ЛАБОРАТОРНАЯ РАБОТА № 2.

1. ПРОГНОЗИРОВАНИЕ РЕЗУЛЬТАТОВ ВЫБОРОВ (ЗАДАЧА КЛАССИФИКАЦИИ)

Для решения этой задачи может быть использована сеть прямой передачи сигнала с заданными функциями обучения и настройки параметров сети, использующими метод обратного распространения ошибки, которая обучается и функционирует аналогично сети, применяемой для распознавания букв.

Цель обучения сети – научиться предсказывать, какая партия победит на выборах президента США, правящая или оппозиционная, и классификация, таким образом, является бинарной. В качестве обучающих параметров выбраны ответы на 12 вопросов социологической анкеты:

1. 
   Правящая партия была у власти более одного года?
   
2. 
   Правящая партия получила более 50 % на прошлых выборах?
   
3. 
   В год выборов была активная третья партия?
   
4. 
   Была серьезная конкуренция при выдвижении от правящей партии?
   
5. 
   Кандидат от правящей партии был президентом в год выборов?
   
6. 
   Был ли год выборов временем спада или депрессии?
   
7. 
   Был ли рост среднего национального валового продукта на душу населения >2,1 %?
   
8. 
   Произвел ли правящий президент существенные изменения в политике?
   
9. 
   Во время правления были существенные социальные волнения?
   
10. 
    Администрация правящей партии виновна в серьезной ошибке или скандале?
    
11. 
    Кандидат правящей партии – национальный герой?
    
12. 
    Кандидат оппозиционной партии – национальный герой?
    

• 
  Таблица 6
  

1. 
   ВыборыОтветы на вопросы (y –да, n– нет)№Год123456789101112Победа правящей партии11864nnnnynnyynnn21864yynnnnyyynyn31872yynnynynnnyn41880ynnynnyynnnn51888nnnnynnnnnnn61990nynnynynnnny71904yynnynnnnnyn81908yynnnnnynnny91916nnnnynnynnnn101924nyynynyynynn111928yynnnnynnnnn121936nynnyyyynnyn131940yynnyyyynnyn141944yynnynyynnyn151948yyynynnynnnn161956nynnynnnnnyn171964nnnnynynnnnn181972nnnnynyyynnnПобеда оппозиционной партии11860ynyynnynynnn21876yynynynnnynn31884ynnynnynynyn41892nnynynnyynny51896nnnynynyynyn61912yyyyynynnnnn71920ynnynnnyynnn81932yynnyynnynny91952ynnynnynnyny101960yynnnynnnnny111968yyyynnyyynnn121976yynyynnnnynn131980nnyyyynnnynyВ процессе обучения сеть способна оценить влияние каждого из обучающих параметров на принятие решения или оценить информативность каждого параметра по сравнению с остальными. Изучение информативности параметров позволило выделить самые значимые вопросы анкеты. Анализ же процесса обучения показал, что возможна коррекция классификационной модели, например, можно увеличить число классов, уменьшить число параметров [3].
   

1. Сформировать m – файл исходных данных, используя бинарную кодировку, для ответов «да» – 1, для «нет» – 0. Путь к этому файлу указать в маршрутах системы MATLAB.

2. Использовать двухслойную сеть прямого распространения для решения задачи прогнозирования (12 нейронов на входе, 2 или 31 – на выходе и приблизительно их полусумма – в скрытом слое).

3. Обучить нейронную сеть, используя функцию traingdx – процедуру обратного распространения ошибки с импульсом и адаптивной скоростью обучения.

4. Проанализировать результаты классификации для 3 – 4 вариантов ответов на вопросы анкеты (функция sim).

Форма отчета:

1. 
   Описание исходной задачи.
   
2. 
   Описание архитектуры сети с указанием параметров.
   
3. 
   Листинг программы с комментариями.
   
4. 
   Результаты обучения.
   
5. 
   Обоснование правильности определения параметров сети.
   

1. 
   
   страница 1 ... страница 9 | страница 10 | страница 11 страница 12 страница 13 | страница 14