Emergent+XOR+4D

=Emergent XOR 4D=

1. Projekt i dane wejściowe
Plik projektu :

Zawiera 4 przygotowane sieci neuronowe oraz wzorce testowe. Sieci : XOR_4D_25, XOR_4D_16, XOR_4D_8, XOR_4D_6 - liczba na końcu określa wielkość warstwy ukrytej Zbiory danych: XOR_4D_VERY_SMALL - 80 wektorów, XOR_SMALL - 160 wektorów, XOR_4D_LARGE - 800 wektorów.

Poniżej wykres trzech pierwszych cech normalnie oraz po zrzutowaniu na wektor [1,1,1,1]:



Z przeprowadzonych eksperymentów, wynika, że sieci z 25, 16 i 8 neuronami można nauczyć problemu XOR 4D, natomiast przy 6 neuronach nie (przy kilkunastu próbach, max 500 cyklów uczących SSE zatrzymywało się w okolicy wartości 0.4)

2. Zebrane dane wynikowe
Zebrane dane z sieci XOR_4D_8 (4-8-2) nauczonej danymi XOR_SMALL (80 wektorów), w 72 epoce (SSE = 0.00) :

Aby otworzyć plik należy w Emergent stworzyć nowy, dowolny projekt, następnie w Leabra_Wizard_X kliknąć Data->Std Output Data. W Data->Output Data pojawią się 2 nowe wartości: TrialOutputData oraz EpochOutputData. Należy wybrać TrialOutputData, po czym w oknie po prawej stronie na dole użyć przycisku "Load Any Data" i wskazać powyższy plik. Data Table powinna wypełnić się wartościami. Teraz pozostaje tylko na TrialOutputData kliknąć prawym przyciskiem myszy i wybrać View -> New Grid View. Po skrajnie prawym oknie pojawi się tabelka, gdzie po wybraniu czerwonej strzałki można używać suwaków. Dolnym suwakiem trzeba przesunąć maksymalnie w prawo, co pozwoli nam zobaczyć jak wyglądały wartości poszczególnych warstw w zależności od wektora wejściowego. Finalnie powinien ukazać się taki obraz:



Poniżej jeszcze wykres średniej wartości błędu w zależności od aktualnej epoki: