Wstęp do sieci neuronowych, wykład 03 Warstwy RBF, jednostka Adaline.

Transkrypt

1 Wstęp do sieci neuronowych, wykład 3 Warstwy, jednostka Adaline. Maja Czoków, Jarosław Piersa Wydział Matematyki i Informatyki, Uniwersytet Mikołaja Kopernika Projekt pn. Wzmocnienie potencjału dydaktycznego UMK w Toruniu w dziedzinach matematyczno-przyrodniczych realizowany w ramach Poddziałania.1.1 Programu Operacyjnego Kapitał Ludzki M. Czoków, J. Piersa WSN 13/1 Wykład 3

2 1 Algorytm spadku gradientowego Uczenie Adaline 3 Filtrowanie obrazów Rozpoznawanie obrazów DFT Zadania M. Czoków, J. Piersa WSN 13/1 Wykład 3

3 1 Algorytm spadku gradientowego Uczenie Adaline 3 Filtrowanie obrazów Rozpoznawanie obrazów DFT Zadania M. Czoków, J. Piersa WSN 13/1 Wykład 3

4 Idea f(x) = exp(- (x - x ) / ( sigma )) - - y x M. Czoków, J. Piersa WSN 13/1 Wykład 3

5 Norma euklidesowa f ( x) = x x = (x x ) + (y y ) y x 5 1 M. Czoków, J. Piersa WSN 13/1 Wykład 3

6 Hiperbola f (x) = a(x x ) + b(y y ) + c x y 5 1 M. Czoków, J. Piersa WSN 13/1 Wykład 3

7 Hiperbola f (x) = ( a(x x ) + b(y y ) + c ) d, d < y -5-5 x -1-1 M. Czoków, J. Piersa WSN 13/1 Wykład 3

8 Funkcja Gaussa f (x) = exp x x σ f(x) = exp(- (x - x ) / ( sigma )) x y 3 M. Czoków, J. Piersa WSN 13/1 Wykład 3

9 Funkcja liniowo-logarytmiczna f (x) = c x x ln(c x x ), c > y -5-5 x -1-1 M. Czoków, J. Piersa WSN 13/1 Wykład 3

10 Jak wykorzystać w zagadnieniach klasyfikacyjnych M. Czoków, J. Piersa WSN 13/1 Wykład 3

11 Jak wykorzystać w zagadnieniach klasyfikacyjnych out M. Czoków, J. Piersa WSN 13/1 Wykład 3

12 y Efekt x x y M. Czoków, J. Piersa WSN 13/1 Wykład 3

13 y Efekt x x y M. Czoków, J. Piersa WSN 13/1 Wykład 3

14 Algorytm spadku gradientowego Uczenie Adaline 1 Algorytm spadku gradientowego Uczenie Adaline 3 Filtrowanie obrazów Rozpoznawanie obrazów DFT Zadania M. Czoków, J. Piersa WSN 13/1 Wykład 3

15 Funkcja błędu Algorytm spadku gradientowego Uczenie Adaline M. Czoków, J. Piersa WSN 13/1 Wykład 3

16 Algorytm spadku gradientowego Algorytm spadku gradientowego Uczenie Adaline M. Czoków, J. Piersa WSN 13/1 Wykład 3

17 Postęp algorytmu Algorytm spadku gradientowego Uczenie Adaline click M. Czoków, J. Piersa WSN 13/1 Wykład 3

18 Algorytm Algorytm spadku gradientowego Uczenie Adaline click M. Czoków, J. Piersa WSN 13/1 Wykład 3

19 Wykres błędu Algorytm spadku gradientowego Uczenie Adaline 3 Error 5 Error Iterations M. Czoków, J. Piersa WSN 13/1 Wykład 3

20 Wielkość η Algorytm spadku gradientowego Uczenie Adaline p(x,y) y x M. Czoków, J. Piersa WSN 13/1 Wykład 3

21 Filtry liniowe Filtrowanie obrazów Rozpoznawanie obrazów DFT Zadania Oryginalny rysunek za M. Czoków, J. Piersa WSN 13/1 Wykład 3

22 Rozpoznawanie obrazów Filtrowanie obrazów Rozpoznawanie obrazów DFT Zadania Chcemy rozpoznawać obraz po przesunięciu, M. Czoków, J. Piersa WSN 13/1 Wykład 3

23 DFT Filtrowanie obrazów Rozpoznawanie obrazów DFT Zadania obraz DFT obraz DFT M. Czoków, J. Piersa WSN 13/1 Wykład 3

24 DFT Filtrowanie obrazów Rozpoznawanie obrazów DFT Zadania DFT 1 log(dft) M. Czoków, J. Piersa WSN 13/1 Wykład 3

25 DFT Filtrowanie obrazów Rozpoznawanie obrazów DFT Zadania DFT 1 log(dft) M. Czoków, J. Piersa WSN 13/1 Wykład 3

26 DFT Filtrowanie obrazów Rozpoznawanie obrazów DFT Zadania out M. Czoków, J. Piersa WSN 13/1 Wykład 3