taralino

Projektaufgabe

Nun bist du an der Reihe: Die folgenden Projektaufgaben dienen dazu, das Gelernte anzuwenden und deine Erfahrungen im Umgang mit neuronalen Netzen zu vertiefen.

Zunächst ist es naheliegen, die bisherige Klassifikationsaufgabe zu erweitern und die Punkte bezüglich mehr als drei Farben zu klassifizieren. Auch dazu kann die ClassificationData-Funktion genutzt werden (Option categories), wie das folgende Beispiel zeigt.

Zur Referenz

Beispiel

Es wird ein Datensatz bestehend aus 2000 Objekten bzw. Punkten erzeugt, wobei vier Farben verwendet werden.

<!DOCTYPE html>
<html>
<head>
  <meta charset="utf-8">
  <meta name="viewport" content="width=device-width, initial-scale=1.0">
  <script src="taralino.js"></script>
</head>
<body>
<script>

// Datensatz erzeugen

var T = ClassificationData.get(2000, {categories:4, shape:"mixed"});

// Datensatz darstellen

Canvas.init([0,1], [0,1], {width:320, background:"lightgrey"});

for (var k = 0; k < T.length; k++) {
  var M = T[k].input;
  var c = T[k].color;
  Canvas.circle(M[0], M[1], 0.01, {fill:c});
};

</script>
</body>
</html>

Vorschau Download Kopie speichern

Aufgabe

Mache dich mit dem Quellcode zuvor vertraut und erweitere das Programm:

Teile den Datensatz T in Trainings- und Testdaten auf.
Initialisiere ein neuronales Netz, um die zugehörige Klassifikationsaufgabe zu lösen. Überlege zunächst, wie viele Neuronen Eingangs- bzw. Ausgangsschicht haben müssen.
Führe Trainings- und Testphasen durch. Variiere dabei sowohl das Layout als auch die Anzahl der Iterationsschritte der Trainingsphase.

Schließlich kannst du einen Datensatz erzeugen, um Punkte bezüglich fünf Farben zu klassifizieren. Wiederhole auch dazu die Teilschritte zuvor.

Expertenaufgabe

Wenn du bis hierher keine größeren Probleme hattest, dann ist vielleicht auch die Expertenaufgabe für dich interessant. Wir möchten nun die folgende (bekannte) Klassifikationsaufgabe untersuchen:

Die Aufgabe lautet, Strichzeichnungen in Form von Schwarz-Weiß-Bildern bestehend aus 40 x 40 Pixel in Apfel, Schmetterling, Fisch und Sonne zu klassifizieren.

Ein Datensatz, um genau diese Klassifikationsaufgabe zu analysieren, bietet das Doodle-Datenpaket:

Zur Referenz

Auch hier kann der vollständige Datensatz ausgelesen und in Trainings- und Testdaten aufgeteilt werden. Die Datenstruktur ist auch hier so gewählt, dass direkt ein neuronales Netz trainiert und getestet werden kann.

Beispiel

Es wird der Doodle-Datensatz ausgelesen. Das Eingangssignal eines zufällig gewählten Objekts wird als Schwarz-Weiß-Bild dargestellt.

<!DOCTYPE html>
<html>
<head>
  <meta charset="utf-8">
  <meta name="viewport" content="width=device-width, initial-scale=1.0">
  <script src="taralino.js"></script>
  <script src="Doodle.js"></script>
</head>
<body>
<script>

// Datensatz auslesen
var T = Doodle.dataset();

// Eingangssignal eines zufaelligen Objekts waehlen
var k = Math.floor(random(0, T.length));
var R = T[k].input;

// Eingangssignal als Bild darstellen
var M = Picture.vector(R);
Picture.draw(M, {zoom:6});

</script>
</body>
</html>

Vorschau Download Kopie speichern

Aufgabe

Verwende den Doodle-Datensatz, um ein neuronales Netz zu trainieren und testen. Verfolge die gleiche Vorgehensweise wie zuvor und wende dein gelerntes Wissen an. Untersuche insbesondere auch die Konfusionsmatrix und diskutiere deine Ergebnisse.