(i.)
Spočtěte
průměrnou testovací chybu klasifikace pomocí sítí jednovrstvých perceptronů
(tj. perceptronů bez skrytých neuronů) při použití grafického uživatelského
rozhraní „NNTool“ a 5-násobné
křížové validace.
(ii.)
Naprogramujte
proceduru umožňující pro kteroukoliv množinu architektur vícevrstvých
perceptronů s 1 vrstvou skrytých neuronů i pro kteroukoliv množinu
architektur vícevrstvých perceptronů s 2 vrstvami skrytých neuronů spočíst
průměrnou testovací chybu regrese všech těchto architektur pomocí dané
posloupnosti trénovacích a testovacích dat.
(iii.)
Spočtěte
průměrnou testovací chybu regrese všech architektur vícevrstvých perceptronů
s 1 vrstvou skrytých neuronů a počtem skrytých neuronů v rozmezí od počtu
výstupních neuronů do počtu vstupních neuronů při použití procedury
naprogramované v předchozím bodě a 5-násobné křížové validace.
(iv.)
Zopakujte předchozí bod s vícevrstevnými
perceptrony s 2 vrstvami skrytých neuronů a počty skrytých neuronů v nich
v rozmezí od počtu výstupních neuronů do počtu vstupních neuronů, přičemž počet
neuronů v 1. skryté vrstvě je ostře větší než počet skrytých neuronů ve 2.
skryté vrstvě.