Лабораторная «Классификация с помощью персептрона»,
Специальные разделы математики в области искусственного интеллекта, математика, робототехника в Санкт-Петербурге

1. Построить нейронную сеть, которая производит классификацию на заданное количество классов. Произвести начальную инициализацию весов нейронной сети; 2. Построить обучающую выборку, которая позволяет правильно классифицировать заданную проверочную выборку. Координаты точек обучающей выборки должны быть подобраны геометрически. Для этого первоначально нанести точки проверочной выборки на график, ориентиро- вочно построить вокруг каждой из этих точек несколько точек обучающей выборки, затем записать координаты этих точек в массив обучающей вы- борки. На каждую из точек проверочной выборки должно приходиться не менее 3 точек обучающей выборки; 3. Показать обучающую выборку на графике; 4. Произвести обучение нейронной сети на составленной обучаю- щей выборке. В процессе обучения показывать изменение линий разбие- ния на классы в нейронной сети; 5. Используя обученную нейронную сеть, произвести классифика- цию индивидуального для каждого варианта проверочного множества. По- скольку номер класса для каждой точки может меняться при каждом новом обучении сети, номера классов в таблице выведены условно. Точки с раз- ными номерами классов в таблице при классификации должны иметь раз- ные номера классов, точки с одинаковыми – одинаковые. Привести график 36 классификации точек. Вывести результаты работы сети на график. Для графика возможно применение различных цветов Вариант индивидуального задания: Количество классов для классификации - 4 Координаты точек проверочного множества и номер класса, к которому принадлежит каждая точка - [[1; 0] - 1; [-1; 1] - 2; [-1;-1] - 2