Министерство образования и науки Российской Федерации
Государственное образовательное учреждение высшего профессионального образования
«Пермский национальный исследовательский политехнический университет»
Лысьвенский филиал (ЛФ ПНИПУ)
Кафедра ЕН
ОТЧЕТ по лабораторным работам
По дисциплине
Системы искусственного интеллекта
Выполнил
студент группы ВИВТ-08-1 ____________________/И.Г. Горшков
Проверил:
доцент кафедры ЕН ____________________/Н.Б. Кошевая
Лысьва, 2012
Лабораторная работа 1
Психометрический подход к определению интеллекта. Тест IQ.
Цель работы построить модель интеллектуальной деятельности , на основе решения интеллектуальных задач.
Задачи Измерить свой уровень IQ
Дать оценку тесту
Теория
Интеллект — это психическое явление, способность к решению различных задач предъявляемых человеку окружающей средой, на основе обработки знаний, накопленных в результате обучения и измеряемое с помощью тестов интеллекта .
Пройдя тест, я получил результат в 70 балла.
Пройдя тест, я узнала не только свой уровень IQ, также получила опыт умения делать выводы, выбирать правильный ответ. Чтобы получить высокий уровень, необходимо иметь знания во многих областях.
модель интеллектуальной деятельности , на основе решения интеллектуальных задач.
Аналез данной задачи:
1-проанализируем данный в задаче числа
2-проанализировав мы видем что числа стоят в определенной последовательности с шагом 3
3-отсюда следует что правельный ответ 14
4-задача решена
Вывод: имея познания в различных облостях мы с легкостью можем решить все задачи IQ теста, все тесты построены на логику мышления и уменее правельно пользоватся нашими знаниями.
Практическая работа №2. Моделирование процесса обучения Структурный подход
1 Цель работы
Целью настоящей лабораторной работы является изучение и использование нейронных сетей
2 Задания для понимания процесса обучения.
1. При помощи программы PERC можно изучить зависимость решения от объема данных обучающей выборки. Это достигается изменением значения переменной Nimages в подпрограмме GetDataBase. Попробуйте объяснить ухудшение результатов теста при обучении с постепенным уменьшением числа образов.
2. Проведите исследование зависимости скорости обучения от темпа (значение CEta) и начального значения весов (значение CInitWeight). Объясните полученные вами результаты.
3.Модифицируйте программы PERC и TEST, изменив тип переходной функции нейрона. Сравните результаты.
4.программа позволяет использовать несколько нейронов- модифицируйте и опишите результат.
2 Задания для понимания
NImages := 200; итераций 253; ошибка 0,00497463311542248
ВОПРОС ОТВЕТ ВЕРНЫЙ ОТВЕТ
-----------------------------------------------
0 1 0 1 0 0 1 0 1 1 0.01 0
1 0 1 0 1 0 1 1 0 1 0.69 1
0 0 0 0 1 1 1 1 1 1 0.40 1
1 0 0 0 0 1 1 0 1 0 0.00 0
1 1 1 0 0 0 0 0 0 1 0.00 0
1 0 1 1 0 0 0 0 0 1 0.00 0
1 0 1 1 0 1 1 1 0 0 1.00 1
0 1 0 0 1 1 0 0 0 1 0.00 0
1 1 1 1 1 0 1 1 1 0 1.00 1
0 1 1 1 1 1 1 1 0 0 1.00 1
0 0 1 0 1 0 0 1 0 0 0.00 0
0 1 1 1 0 1 1 1 1 0 1.00 1
1 1 0 0 0 0 0 0 1 1 0.00 0
0 0 1 1 1 1 0 0 0 0 0.00 0
1 1 0 1 1 0 1 0 0 1 0.93 1
-------------------------------------------------
NImages := 150; итераций 274; ошибка 0,00499238756150247
0 1 1 0 1 1 0 1 1 1 1.00 1
0 0 1 1 0 1 1 0 1 0 0.04 0
1 1 1 0 1 0 0 0 0 1 0.00 0
0 1 0 1 0 0 0 0 1 1 0.00 0
0 1 0 1 1 1 0 1 1 0 0.98 1
0 1 1 1 0 0 0 1 0 1 0.04 0
0 0 1 0 0 0 0 1 1 1 0.00 0
0 1 1 0 0 0 0 1 1 1 0.00 0
1 0 1 0 1 0 1 0 1 0 0.00 0
1 0 0 0 0 0 1 1 0 1 0.00 0
0 0 0 1 1 1 1 1 1 0 0.97 1
0 1 1 0 0 0 0 1 1 1 0.00 0
0 1 1 0 1 1 0 0 0 1 0.00 0
0 0 0 1 1 1 1 0 1 0 0.01 0
1 0 0 1 0 0 0 0 1 0 0.00 0
NImages := 100; итераций 380; ошибка 0,00499408898062418
1 0 1 0 0 0 1 0 1 0 0.00 0
0 1 1 0 1 0 1 0 0 1 0.00 0
1 0 0 0 1 1 1 0 1 1 0.65 1
1 1 0 1 1 0 0 0 1 0 0.10 0
1 1 1 0 1 0 0 0 0 0 0.00 0
1 0 1 0 0 1 0 1 1 1 0.98 1
1 1 0 1 0 1 0 0 0 0 0.00 0
1 1 1 1 0 0 1 1 0 0 1.00 1
1 1 0 1 1 1 1 0 1 1 1.00 1
0 0 1 1 1 0 1 1 1 0 0.96 1
1 1 0 0 1 0 0 0 0 1 0.00 0
0 0 0 0 1 1 1 0 1 1 0.00 0
0 0 1 1 1 1 0 1 0 0 0.03 0
1 0 1 1 1 1 1 1 0 0 1.00 1
1 1 0 0 1 1 1 1 1 1 1.00 1
При уменьшении количества образов обучение происходит более медленно ошибка увеличивается
Зависимость обучения от темпа и весового коэфициента:
CEta = 0.75; CInitWeight = 5.0;
228 итераций. Ошибка 0,00498336426826122
1 0 1 0 1 0 1 0 1 0 0.01 0
0 0 1 0 1 1 0 0 1 1 0.01 0
0 1 0 1 1 0 1 0 0 0 0.00 0
0 1 0 1 1 0 1 0 0 0 0.00 0
0 1 1 0 1 1 0 1 1 0 0.99 1
1 0 0 1 1 1 0 1 0 1 0.99 1
0 1 0 0 0 1 0 0 0 0 0.00 0
0 1 0 1 0 1 1 0 1 1 0.98 1
0 1 0 1 1 1 1 0 1 0 0.98 1
1 1 0 0 1 0 0 1 0 0 0.00 0
1 0 0 1 0 0 0 1 0 1 0.00 0
1 0 1 1 1 0 0 1 0 1 0.99 1
0 0 1 1 1 0 1 1 1 1 1.00 1
1 1 0 1 0 0 1 0 1 1 0.98 1
1 1 1 1 1 0 0 1 1 1 1.00 1
CEta = 0.5; CInitWeight = 5.0;
338 итераций, ошибка 0,00498840294469534
0 0 0 0 0 1 1 0 0 0 0.00 0
1 1 1 1 0 1 1 1 1 1 1.00 1
0 1 0 1 1 0 1 1 0 1 0.99 1
0 0 1 1 1 0 0 0 1 0 0.00 0
0 1 1 1 0 1 0 0 0 1 0.01 0
1 0 0 1 1 0 1 1 0 0 0.02 0
1 1 0 0 1 1 1 1 1 0 1.00 1
1 0 1 0 0 0 1 0 1 0 0.00 0
0 0 0 0 1 1 0 1 0 1 0.00 0
1 0 0 1 0 0 0 1 1 0 0.00 0
1 1 1 1 0 0 1 0 0 0 0.01 0
1 1 1 0 1 0 1 0 1 0 0.99 1
1 1 1 0 0 1 1 0 1 1 1.00 1
0 0 0 0 1 1 0 0 1 0 0.00 0
0 1 0 1 1 1 0 0 0 0 0.00 0
CEta = 0.5; CInitWeight = 3.0;
355 итерации; ошибка 0,00499332751048008
1 0 1 1 0 0 1 1 0 1 0.98 1
1 0 0 0 1 0 1 1 1 0 0.01 0
0 1 1 1 1 0 0 1 1 0 0.99 1
0 1 1 0 0 1 1 0 1 1 0.99 1
0 0 1 0 0 1 0 1 0 0 0.00 0
1 0 0 1 0 0 0 1 1 0 0.00 0
0 0 0 1 0 1 1 1 0 1 0.01 0
0 0 0 1 1 0 1 1 0 1 0.01 0
1 0 1 1 0 1 0 0 1 1 0.98 1
0 1 0 1 1 0 1 0 1 0 0.01 0
1 0 0 0 0 0 1 1 0 0 0.00 0
0 0 0 1 0 0 1 1 1 1 0.01 0
0 1 0 0 1 0 0 0 0 0 0.00 0
0 1 0 0 1 0 0 0 1 0 0.00 0
0 1 0 1 0 0 1 1 0 1 0.01 0
При уменьшении темпа обучения и начального значения весов программа обучается медленнее ошибка обучения увеличивается.
Вывод: Изучили и научились использовать нейронные сети.