Helena+Jurkiewicz

Praca magisterska: Nieeuklidesowe sieci neuronowe.

Zadania:


 * Zrobić program dla zwykłej sieci MLP
 * Zrobić testy na XOR i wizualizacje obrazujące granice decyzji i zbieżność procesu, podobnie jak w [|tej prezentacji].
 * Zastosować funkcję transferu z pracy [|Uncertanity of data ...], policzyć gradienty, zaprogramować, zrobić testy
 * Zrobić to samo dla funkcji z pracy [|Non-euclidean ...]
 * Zrobić testy porównawcze szybkości zbieżności i porównać granice decyzji na wybranych danych.

Wykres: Błąd(iteracji); minim. błąd końcowy, ile iteracji? Współczynnik uczenia można usiłować zoptymalizować.


 * Pomyśleć o różnych rozkładach.
 * Wizualizacja granic.
 * Inne dane: http://www.is.umk.pl/projects/datasets.html

Na razie umieszczam wyniki dla moich testowych danych. Po zmianie w funkcji trzeciej, wszystko jest w porządku:

Xor:

Parę wykresów granic, dla zbioru Iris: Iris

Praca: Na razie ok 9 stron tekstu:

Dane ze strony : [|http://home.comcast.net/~tom.fawcett/public_html/ML-gallery/pages/index.html] : dane2d

Aktualizacja

Porównanie błędów dla MLP i DMLP dla rozkładów polynomial i sinus:

Szybkości zbieżności, x = l. iteracji, y=błąd dla DMLP i MLP dla rozkładów 2D

Dla d>2 dane

[|por wyników] Hypotyroid? Landsat; astronomiczne?

http://ti.arc.nasa.gov/project/autoclass/ widma astronomiczne

postępy w pisaniu:

Wykresy odległości:

Wykresy odległości od wag:

Następne wykresy:

i znów:

kolejne:



Najnowsza wersja pracy:

Praca magisterska: