Wprowadzenie do Sieci Neuronowych — Lista pytań 09
Jarosław Piersa 2011-12-06
1. Znajdź wielomiany stopni 1, 2 i 3 przybliżający punkty (0, 0), (1, 1), (2, 3), 2. Znajdź wielomiany stopni 1, 2 i 3 przybliżający punkty (0, 0), (1, 1), (2, 3), (4, 0),
3. (*) Znajdź wielomian interpolacyjny Lagrange’a stopnia 1, 2 i 3 dla danych z zadań powyżej, 4. (*) Porównaj wyniki zwrócone przez regresję liniową z wynikami uczenia AdaLine na tym samym
zbiorze uczącym,
5. Zaimplementuj uczenie perceptronu i prostej sieci skierowanej na przykładzie XOR (lub innym nietrywialnym), zbadaj jakość uczenia w obu przypadkach, skorzystaj z walidacji prostej, krzyżowej, LOO, estymacji poprawnie klasyfikowanych punktów.
6. zbadaj specyficzność i wrażliwość (sensitivity and specificity) nauczonej sieci z zadania wyżej, 7. (**) kontrolując ręcznie próg neuronu a tym samym wrażliwość testu (zawsze „nie” do zawsze
„tak”), wyświetl wykres zależności specyficzności od wrażliwości (wykres ROC).
8. (**) Oblicz numerycznie pole pod wykresem (AUC) z zadania powyżej.
9. Na przykładach filtru antyspamowego, kontroli hamulców itp. określ czym jest błąd pierwszego i drugiego rodzaju.
10. Zwyczajowo testy parametryczne są konstruowane aby umożliwić kontrolę nad błędem pierwszego rodzaju. Przeformułuj hipotezy w powyższych testach tak aby błąd o poważniejszych konsekwen- cjach był błędem pierwszego rodzaju.
(*) — Zadanie dla chętnych, może paść na egzaminie na wyższą ocenę.
(**) — Zadanie ambitne, nie padnie na egzaminie.
(***) — Zadanie znacznie wykracza poza program wykładu.
1
