Neuroninis Tinklas (NeuroNet)

Archyvai

neuro1.txt - tinklas mokomas inversijos.
neuro2.txt - tinklas mokomas atpažinti būseną.

Galima pasirinkti du NT tipus: vienasluoksnį ir dvisluoksnį. Nuo to priklauso, kokį apmokymo failą naudoti.
Vienasluoksnis NT. Turi keturis įėjimus ir keturis išėjimus (į tai reiktų atkreipti dėmesį redaguojant duomenų failą). Šiam tinklui pagal nutylėjimą priskiriamas neuro1.txt duomenų failas.
Dvisluoksnis NT. Turi keturis įėjimus ir du išėjimus. Pagal nutylėjimą šis tinklas dirba su neuro2.txt duomenų failu.

Neuroninis tinklas konstruojamas iš atskirų neuronų - parceptronų. Kiekvieno tokio parceptrono veikimą apsprendžia išėjimo funkcija. Programoje įmontuotos sekančios funkcijos:
Paprastasis parceptronas (Simple parceptron). Šuolinė funkcija. Išduoda 0 arba 1, priklausomai nuo to ar įėjimų suma viršija nustatytą slenkstį.
Eksponentinė funkcija (Exponential function parceptron). Išėjimas apskaičiuojamas pagal eksponentinę funkciją. (1/(1-e^in))
Hiperbolinio tangento funkcija (HyperbTangent function parceptron). Išėjimas apskaičiuojamas pagal hiperbolinio tangento funkciją. ((e^(in) - e^(-in))/(e^(in) + e^(-in)))
Kvadratinė funkcija (Quad function parceptron). Išėjimas apskaičiuojamas pagal kvadratinę funkciją. (in*in)
Priklausomai nuo neurono tipo galima gauti labai skirtingus rezultatus. Ypač reiktų atkreipti dėmesį į šuolines funkcijas, ne visi optimizavimo metodai sugeba dirbti su tokio tipo funkcijomis.

Duomenų failai

Formatas: nuosekliai pateikiami įėjimų ir išėjimų rinkiniai - norimas rezultatas (žiūrėti pavyzdžius). Modeliuojant NT su pateiktais įėjimų ir išėjimų rinkiniais, neatitikimai bus sumuojami ir pateikiami kaip funkcijos (f) rezultatas. Kiekviena reikšmė yra double tipo, tad nors pavyzdžiuose panaudota tik "0" ir "1", bet realiai galima įrašyti bet kokias realiasias reikšmes.
neuro1.txt - Skirtas apmokyti vienasluoksnį NT inversijos.
neuro2.txt - Skirtas apmokyti dvisluoksnį NT atpažinti, kurioje pusėje yra vienetukų (galimos ir kitokios interpretacijos)