В перспективе своих самостоятельных исследований составьте модель программы игры в "крестики – нолики", первоначально ограничившись попыткой сведения игры "в ничью". Начните разработку модели с анализа возможных ходов противника и с выбора предпочтительного ответа. Для этого заведите три строки, каждая из которых содержит три позиции. В текущем состоянии игры позиция может содержать "крестик" (противника), "нолик" (Ваш) или быть свободной. Несомненно, "традиционный" программный, последовательный анализ каждой позиции всех строк трудоемок и долог. Ассоциативный принцип "работы" нейронной сети позволяет приблизить его к ассоциативному мышлению игрока и сделать игровую нейрокомпьютерную приставку к персональному компьютеру.

Составьте проект такой нейронной сети.

Определите, является ли создаваемая нейронная сеть совершенной? Какую передаточную функцию Вы хотите использовать? Необходима ли коррекция весов и порогов?

Правильный ответ:

нейронная сеть является совершенной. Целесообразно использовать передаточную функцию: Коррекция весов и порогов не требуется

нейронная сеть является совершенной. Целесообразно использовать передаточную функцию: (Веса равны единице.) Коррекция весов и порогов не требуется

нейронная сеть не является совершенной. Чтобы уравнять значения возбуждения нейронов выходного слоя, целесообразно выбрать передаточную функцию m– количество активных входов нейрона

• # Сформируйте обученную нейронную сеть по логическому описанию СПР с помощью множества нейроподобных элементов. Кроме необходимого количества рецепторов и нейронов выходного слоя, допускается использование минимального числа промежуточных, "скрытых" нейронов. Используйте оптимальное закрепление рецепторов. Определите значения весов связей (см. Лекцию 10) так, чтобы значения возбуждения нейронов выходного слоя принадлежали диапазону [0, 1] . Решение представьте в виде матрицы следования. Логическое описание СПР: 1. (x1 ∨ x3) ∧ (x4 ∨ x7) →​ R1= "Прогулка на велосипеде"; 2. (x1 ∧ x6) ∨ (x2 ∧ x4) →​ R2= "Шахматы"; 3. (x2 ∧ x5) ∨ (x1 ∧ x7) →​ R3= "Верховая езда"; 4. (x1 ∧ x5) ∨ (x2 ∧ x6) →​ R4= "Байдарка"; 5. x3 ∧ (x4 ∨ x6) →​ R5= "Дискотека"; 6. x2 ∧ x7 →​ R6= "Пешая прогулка"; 7. x3 ∧ (x5 ∨ x7) →​ R6= "Пешая прогулка"
• # Для правильной совершенной нейронной сети, используемой в бабушкиной СПР 1. x1 ∧ x4 →​ R1= "Прогулка на велосипеде"; 2. (x1 ∧ x6) ∨ (x2 ∧ x4) →​ R2= "Шахматы"; 3. (x2 ∧ x5) ∨ (x1 ∧ x7) →​ R3= "Верховая езда"; 4. (x1 ∧ x5) ∨ (x2 ∧ x6) →​ R4= "Байдарка"; 5. x3 ∧(x4 ∨ x6) →​ R5= "Дискотека"; 6. (x2 ∧ x7)∨ (x3 ∧ (x5 ∨ x7)) →​ R6= "Пешая прогулка" исследуйте и обсудите возможность применения данной передаточной функции на основе анализа эталонных ситуаций. Передаточная функция имеет вид: \begin{array}{l} V=\sum_j V_j \\ V_i = \left \{ \begin{array}{ll} V, & \mbox{если } V \ge h \\ 0, & \mbox{в противном случае} \end{array}\right \end{array} (Значение h позвольте выбрать бабушке самой так, чтобы не морочить себе голову анализом ненулевых значений возбуждения.)
• # Путешественник заблудился и лишь приблизительно знает пункт, из которого он вышел, а также приблизительно, по звездам, свои координаты. Помогите ему установить, недалеко от какого пункта он, скорее всего, находится. Нейронная сеть имеет вид: [Большая Картинка] Приблизительные координаты путешественника – (120, -140). Предположительно он вышел из пункта 3.
• # Исследуйте значения исходных данных x1= x2= x3= x4= 1 . Рассчитайте и объясните "ответы" нейронной сети. Нейронная сеть отображена матрицей следования: [Большая Картинка]
• # Пусть в системе автоматического управления технологическим процессом по измеренным значениям вектора двух характеристик X = {x1, x2} вырабатывается вектор управляющего воздействия Y = {y1, y2} Реализован принцип ситуационного управления, основанный на табличном представлении. Таблица имеет вид: [Большая Картинка] Рассчитайте приближенное значение компонент вектора Y для измеренных компонент вектора Х, считая, что y1 слабо зависит от х2, а y2 слабо зависит от х1 X = {2,1; 3,7}