Разработка модели персептрона Розенблатта (проект) - История изменений

Ira dolgaleva в 07:49, 20 октября 2015

2015-10-20T07:49:32Z

← Предыдущая версия		Версия от 07:49, 20 октября 2015
Строка 7:		Строка 7:
	\|summer=		\|summer=
	\|categorize=yes		\|categorize=yes
			\|is_archived=yes
	}}		}}

РЎС‚Р°СЂС‡РёРєРѕРІР° РћР»СЊРіР° в 21:37, 2 января 2015

2015-01-02T21:37:24Z

← Предыдущая версия		Версия от 21:37, 2 января 2015
Строка 2:		Строка 2:
	\|name=Разработка модели персептрона Розенблатта		\|name=Разработка модели персептрона Розенблатта
	\|mentor=Лисенков Иван		\|mentor=Лисенков Иван
	\|mentor_login=Ivan_Lisenkov		\|mentor_login={{URLENCODE:Ivan_Lisenkov\|WIKI}}
	\|semester=Весна 2015		\|semester=Весна 2015
	\|course=1		\|course=1

Ivan Lisenkov: /* Критерии оценки */

2014-12-01T14:31:45Z

Критерии оценки

← Предыдущая версия		Версия от 14:31, 1 декабря 2014
Строка 35:		Строка 35:
	* 4-5 : реализованная и протестированная модель персептрона Рознеблатта и алгоритм обучения (Дельта правило) для двухмерного случая (входной вектор обучающей выборки X1 и X2);		* 4-5 : реализованная и протестированная модель персептрона Рознеблатта и алгоритм обучения (Дельта правило) для двухмерного случая (входной вектор обучающей выборки X1 и X2);
	* 6-7 : реализованная и протестированная модель персептрона Рознеблатта и алгоритм обучения (Дельта правило) как для двухмерного, так и для n-мерного случая		* 6-7 : реализованная и протестированная модель персептрона Рознеблатта и алгоритм обучения (Дельта правило) как для двухмерного, так и для n-мерного случая
	* 8-10 : Дополнительно, визуализация процесса обучения (Зависимость интегральной ошибки от номера итерации/эпохи), работа с файлами (возможность интеграции import/export файлов обучающей выборки с ~~существующими пакетами~~ обработки данных)		* 8-10 : Дополнительно, визуализация процесса обучения (Зависимость интегральной ошибки от номера итерации/эпохи), работа с файлами (возможность интеграции import/export файлов обучающей выборки с существующим ПО статистической обработки данных)

Ivan Lisenkov: /* Критерии оценки */

2014-12-01T14:31:10Z

Критерии оценки

← Предыдущая версия		Версия от 14:31, 1 декабря 2014
Строка 35:		Строка 35:
	* 4-5 : реализованная и протестированная модель персептрона Рознеблатта и алгоритм обучения (Дельта правило) для двухмерного случая (входной вектор обучающей выборки X1 и X2);		* 4-5 : реализованная и протестированная модель персептрона Рознеблатта и алгоритм обучения (Дельта правило) для двухмерного случая (входной вектор обучающей выборки X1 и X2);
	* 6-7 : реализованная и протестированная модель персептрона Рознеблатта и алгоритм обучения (Дельта правило) как для двухмерного, так и для n-мерного случая		* 6-7 : реализованная и протестированная модель персептрона Рознеблатта и алгоритм обучения (Дельта правило) как для двухмерного, так и для n-мерного случая
	* 8-10 : Дополнительно, визуализация процесса обучения (Зависимость интегральной ошибки от номера итерации/эпохи), + работа с файлами (возможность интеграции import/export файлов обучающей выборки с существующими пакетами обработки данных)		* 8-10 : Дополнительно, визуализация процесса обучения (Зависимость интегральной ошибки от номера итерации/эпохи), работа с файлами (возможность интеграции import/export файлов обучающей выборки с существующими пакетами обработки данных)

Ivan Lisenkov: /* Какие начальные требования? */

2014-12-01T14:30:18Z

Какие начальные требования?

← Предыдущая версия		Версия от 14:30, 1 декабря 2014
Строка 18:		Строка 18:

	=== Какие начальные требования? ===		=== Какие начальные требования? ===
	Программирование на C/C++/Python (в рамках прослушанного курса)		* Программирование на C/C++/Python (в рамках прослушанного курса)
			* Желание разобираться в современных алгоритмах теории искуственных нейронных сетей

	=== Какие будут использоваться технологии? ===		=== Какие будут использоваться технологии? ===

Ivan Lisenkov: /* Какие будут использоваться технологии? */

2014-12-01T14:29:15Z

Какие будут использоваться технологии?

← Предыдущая версия		Версия от 14:29, 1 декабря 2014
Строка 21:		Строка 21:

	=== Какие будут использоваться технологии? ===		=== Какие будут использоваться технологии? ===
	* ~~git, github~~		* C++ / Python в рамках прослушанного курса
	* gtest

	=== Темы вводных занятий ===		=== Темы вводных занятий ===

Ivan Lisenkov: /* Критерии оценки */

2014-12-01T14:28:26Z

Критерии оценки

← Предыдущая версия		Версия от 14:28, 1 декабря 2014
Строка 33:		Строка 33:

	=== Критерии оценки ===		=== Критерии оценки ===
	* ~~"удв”~~ : реализованная и протестированная модель персептрона Рознеблатта и алгоритм обучения (Дельта правило) для двухмерного случая (входной вектор обучающей выборки X1 и X2);		* 4-5 : реализованная и протестированная модель персептрона Рознеблатта и алгоритм обучения (Дельта правило) для двухмерного случая (входной вектор обучающей выборки X1 и X2);
	* ~~“хор”~~ : реализованная и протестированная модель персептрона Рознеблатта и алгоритм обучения (Дельта правило) как для двухмерного, так и для n-мерного случая		* 6-7 : реализованная и протестированная модель персептрона Рознеблатта и алгоритм обучения (Дельта правило) как для двухмерного, так и для n-мерного случая
	* ~~“отл”~~ : ~~то же, что и на "хор"~~, + визуализация процесса обучения (Зависимость интегральной ошибки от номера итерации/эпохи), + работа с файлами (возможность интеграции import/export файлов обучающей выборки с ~~Matlab NNtool~~)		* 8-10 : Дополнительно, визуализация процесса обучения (Зависимость интегральной ошибки от номера итерации/эпохи), + работа с файлами (возможность интеграции import/export файлов обучающей выборки с существующими пакетами обработки данных)

Sandello в 13:20, 29 ноября 2014

2014-11-29T13:20:32Z

← Предыдущая версия		Версия от 13:20, 29 ноября 2014
Строка 2:		Строка 2:
	\|name=Разработка модели персептрона Розенблатта		\|name=Разработка модели персептрона Розенблатта
	\|mentor=Лисенков Иван		\|mentor=Лисенков Иван
	\|mentor_login=~~{{URLENCODE:{{REVISIONUSER}}\|WIKI}}~~		\|mentor_login=Ivan_Lisenkov
	\|semester=Весна 2015		\|semester=Весна 2015
	\|course=1		\|course=1
Строка 13:		Строка 13:

	=== Чему вы научитесь? ===		=== Чему вы научитесь? ===
	- Формулировать постановку задачи		* Формулировать постановку задачи
			* Писать надежный и понятный код
	- Писать надежный и понятный код		* Основам теории нейронных сетей на примере классической модели Перспетрона Розенблатта

	- Основам теории нейронных сетей на примере классической модели Перспетрона Розенблатта

	=== Какие начальные требования? ===		=== Какие начальные требования? ===
Строка 23:		Строка 21:

	=== Какие будут использоваться технологии? ===		=== Какие будут использоваться технологии? ===
	git, github		* git, github
	gtest		* gtest

	=== Темы вводных занятий ===		=== Темы вводных занятий ===
	- Основы теории нейронных сетей (Модель Маккалока-Пиитса, Персептрон Розенблатта, Алгоритм обучения перспетрона Розенблатта)		* Основы теории нейронных сетей (Модель Маккалока-Пиитса, Персептрон Розенблатта, Алгоритм обучения перспетрона Розенблатта)

	=== Направления развития ===		=== Направления развития ===
	- Визуализация обучающей выборки, предварительная обработка данных		* Визуализация обучающей выборки, предварительная обработка данных
			* Разработка модели нейронной сети с одним скрытым слоем, и реализация алгоритма обратного распространения ошибки (Back-propagation algorithm, deep learning)
	- Разработка модели нейронной сети с одним скрытым слоем, и реализация алгоритма обратного распространения ошибки (Back-propagation algorithm, deep learning)		* Интеграция с реляционной базой данных

	- Интеграция с реляционной базой данных

	=== Критерии оценки ===		=== Критерии оценки ===
	"удв” : реализованная и протестированная модель персептрона Рознеблатта и алгоритм обучения (Дельта правило) для двухмерного случая (входной вектор обучающей выборки X1 и X2);		* "удв” : реализованная и протестированная модель персептрона Рознеблатта и алгоритм обучения (Дельта правило) для двухмерного случая (входной вектор обучающей выборки X1 и X2);
			* “хор” : реализованная и протестированная модель персептрона Рознеблатта и алгоритм обучения (Дельта правило) как для двухмерного, так и для n-мерного случая
	“хор” : реализованная и протестированная модель персептрона Рознеблатта и алгоритм обучения (Дельта правило) как для двухмерного так и для n-мерного случая		* “отл” : то же, что и на "хор", + визуализация процесса обучения (Зависимость интегральной ошибки от номера итерации/эпохи), + работа с файлами (возможность интеграции import/export файлов обучающей выборки с Matlab NNtool)

	“отл” : ~~реализованная~~ и протестированная модель персептрона Рознеблатта и алгоритм обучения (Дельта правило) как для двухмерного так и для n-мерного случая

	+ ~~Визуализация~~ процесса обучения (Зависимость интегральной ошибки от номера итерации/эпохи) + работа с файлами (возможность интеграции import/export файлов обучающей выборки с Matlab NNtool)

Ivan Lisenkov: /* Критерии оценки */

2014-11-26T17:26:13Z

Критерии оценки

← Предыдущая версия		Версия от 17:26, 26 ноября 2014
Строка 42:		Строка 42:

	“отл” : реализованная и протестированная модель персептрона Рознеблатта и алгоритм обучения (Дельта правило) как для двухмерного так и для n-мерного случая		“отл” : реализованная и протестированная модель персептрона Рознеблатта и алгоритм обучения (Дельта правило) как для двухмерного так и для n-мерного случая

	+ Визуализация процесса обучения (Зависимость интегральной ошибки от номера итерации/эпохи) + работа с файлами (возможность интеграции import/export файлов обучающей выборки с Matlab NNtool)		+ Визуализация процесса обучения (Зависимость интегральной ошибки от номера итерации/эпохи) + работа с файлами (возможность интеграции import/export файлов обучающей выборки с Matlab NNtool)

Ivan Lisenkov: /* Направления развития */

2014-11-26T17:25:42Z

Направления развития

← Предыдущая версия		Версия от 17:25, 26 ноября 2014
Строка 31:		Строка 31:
	=== Направления развития ===		=== Направления развития ===
	- Визуализация обучающей выборки, предварительная обработка данных		- Визуализация обучающей выборки, предварительная обработка данных

	- Разработка модели нейронной сети с одним скрытым слоем, и реализация алгоритма обратного распространения ошибки (Back-propagation algorithm, deep learning)		- Разработка модели нейронной сети с одним скрытым слоем, и реализация алгоритма обратного распространения ошибки (Back-propagation algorithm, deep learning)

			- Интеграция с реляционной базой данных

	=== Критерии оценки ===		=== Критерии оценки ===