OPGAVEN

13.4 Neurale netwerken

Opgave 13.4.1

De vierkanten uit figuur 13.4.3 representeren gegevensverzamelingen met voorbeelden uit twee klassen (witte en zwarte rondjes). Ieder vierkant representeert het vlak opgespannen door twee attributen.

fi130405.gif (2147 bytes)

Figuur 13.4.5 Gegevensverzamelingen met voorbeelden uit twee klassen

Geef voor ieder vierkant aan of na training correcte classificatie mogelijk is met
a – een perceptron
b – een beslisboom.

> Uitwerking 13.4.1

Opgave 13.4.2

De en-functie kan door een perceptron worden geleerd. Geef het probleem in een figuur weer en teken daarin de beslislijn.

> Uitwerking 13.4.2

Opgave 13.4.3

De activatiefunctie van het meerlaags perceptron wordt vaak gedefinieerd als

fm13op04.gif (309 bytes)

De parameter l schaalt de de invoer van de sigmoïde functie. Beschrijf de vorm van f voor l ® 0 en voorl ® ¥.

> Uitwerking 13.4.3

Opgave 13.4.4

De activatiefunctie van het meerlaags perceptron kan ook als een lineaire functie worden gedefinieerd. Wat betekend dit voor het lerend vermogen van het meerlaags perceptron?

> Uitwerking 13.4.4

Opgave 13.4.5

In theorie kan een meerlaags perceptron uit een onbeperkt aantal lagen bestaan. In de praktijk kiest men echter vaak voor één (en soms twee) verborgen lagen. Wat denkt u dat hiervan de reden is?

> Uitwerking 13.4.5

Opgave 13.4.6

Waarom worden gedurende het trainen van het meerlaags perceptron de gewichten met kleine stapjes aangepast en niet met grote?

> Uitwerking 13.4.6

Opgave 13.4.7

Beantwoordt opgave 13.4.1 voor het meerlaags perceptron.

> Uitwerking 13.4.7