neural_net

Funkce:

Vrstevnatá perceptronová neuronová síť s adaptačním algoritmem Back-Propagation. Umožňuje adaptaci sítě v průběhu její aktivní činnosti, změnu parametrů adaptace pomocí kanálů a změnu topologie sítě v průběhu učení příp. aktivní činnosti. Trénovací množina může být modifikována kdykoliv během činnosti sítě.


Syntax:

  neural_net neural_network_name;
    rem = string;
    bubble = string;
    timer = timer_name;
    owner = owner_name;
    position = integer, integer;
    win_disable = [ identifier, . . . ];
    win_title = string;
    net_file = file_name;
    train_file = file_name;
    mode = real_expression;
    error_value = real_dataelement;
    iterations = real_expression;
    learn_rate = real_expression;
    momentum = real_expression;
    use_momentum = boolean_expression;
    linear_output = boolean_expression;
    save_net = boolean_expression;
    save_net_file = string;
    save_train = boolean_expression;
    save_train_file = string;
    input_item
      expression = real_expression;
    end_input_item;
    output_item
      expression = real_dataelement;
    end_output_item;
    expected_output_item
      expression = real_expression;
    end_expected_output_item;
    save_status = boolean_expression;
    use_fi = boolean_expression;
    struct = cardinal, cardinal, ...;
    wmin = real;
    wmax = real;
    s = real;
  end_neural_net;

Specifické parametry přístroje:


Příklad:

Příklad nastavení parametrů přístroje neural_net:

  neural_net SIT1;
    timer = seq_1, 1;
    owner = panel_1;
    position = 100, 100;
    net_file = 'neural1.net';
    train_file = 'train1.trs';
    mode = a;
    error_value = b;
    iterations = 10;
    learn_rate = lrate;
    end_function = endf;
    save_net = bool;
    save_net_file = strng;
    save_train = bool2;
    save_train_file = strng2;
    input_item
      expression = i1;
    end_input_item;
    input_item
      expression = i2;
    end_input_item;
    input_item
      expression = i3;
    end_input_item;
    output_item
      expression = o1;
    end_output_item;
    struct = 3, 5, 1;
  end_neural_net;

Nativní procedury přístroje

Show()

Zobrazení skrytého přístroje.


Hide()

Skrytí zobrazeného přístroje.


GetNumOfNeurons( &NumOfNeurons : real )

Vrátí počet neuronů v celé síti (včetně vstupních a výstupních)


GetNumOfNeurons( Layer : real, &NumOfNeurons : real )

Vrátí počet neuronů ve vrstvě specifikované parametrem Layer.


GetNumOfLayers( &NumOfLayers : real )

Vrátí počet vrstev v síti.


AddNeurons()

Jestliže je to možné, přidá po jednom neuronu do každé vnitřní vrstvy neuronové sítě.


DelNeurons()

Jestliže je to možné, ubere neuron z každé vnitřní vrstvy neuronové sítě.


DelLastTrainElem()

Vymaže poslední položku z trénovací množiny.


DelFirstTrainElem()

Vymaže první položku z trénovací množiny.


GetNumOfTrainElems( &NOfElems : real )

Vrátí počet položek v trénovací množině.


GetRunning( &IsRunning : boolean )

Vrátí stav sítě:

TRUE - přístroj funguje normálně
FALSE - došlo k matematickému zhroucení sítě (vlivem nesprávné adaptace) - je nutno zastavit aplikaci a znovu provést adaptaci s jinými parametry příp. s vhodnější trénovací množinou. Toto opatření je zavedeno pro zabránění zhroucení systému.

Událostní procedury přístroje

Přístroj může volat standardní událostní procedury:

OnActivate()

Podrobnější informace k těmto procedurám lze nalézt v kapitole Programování a procedury.