PRACOWNIA Z SIECI NEURONOWYCH  -  LISTA NR 2. Zadania 8-12. (27.X.2010)

8.  Wczytaj dane "lettersUCI.m" (skrypt typu M-file, do wykonania)..
	Wybierz do obliczeń 3 literki, pozostałe dane usuń z pamięci.
	Literki podziel na część uczącą (ok. 60 %) i testującą.
	
	Zadanie: 
	1. Zastosuj sieć MLP z jedną warstwą ukrytą, H neuronach w tej
	   warstwie, i funkcją aktywacji "softmax" do nauczenia sieci 
	   rozpoznawania wybranych 3 literek.
	2. Zbuduj funkcje dyskryminujące pozwalające klasyfikować nowe
	   dane do jednej z 3 klas odpowiadajacych obliczanym literkom.
	3. Określ jakość klasyfikacji jako procent dobrze sklasyfikowanych
	   literek ze zbioru probek testujących. 
	Odpowiedz: 
	Czy jakość klasyfikacji zależy od liczby neuronów warstwy ukrytej?
	ewtl. od liczby iteracji?
	Odpowiedź przedstaw w tabelce, w której tytule powinny widnieć
	analizowane literki..

	Tabelkę i dane zachowaj do analizy w dalszych zadaniach.

9. Zapoznaj sę z siecią GLM Netlaba.
	Wykonaj podobne obliczenia jak w zadaniu 8 powyżej i skonstruuj 
	podobną tabelke.
	Porównaj obie tabelki. 
	Skopiuj obie tabelki w jedno miejsce, skomentuj działanie obu
	algorytmów, i pokaż prowadzaącemu pracownię do zaliczenia obu zadań.

10. Wybierz do analizy jeden z plikow "seungMnist.mat" lub  "seungFaces.mat".
	Pliki te wczytuje się do pamięci Matlaba zleceniem 'load nazwa'
	lub load('nazwa'). Pierwszy z nich zawiera obrazy graficzne #
	cyfr 0, 1, ... , 9,  a drugi obrazy graficzne 'twarzy' lub 'nieTwarzy'.
	Zwizualizuj zawartość wybranego zbioru, wyswietlając na monitorze
	co k-ty obrazek z posiadanej bazy znajdującej się w pamięci Matlaba.
	(potrzebne będą funkcje matlabowskie 'reshape' i 'imagesc'.
	Nad kazdym obrazkiem umieść tytul zawierający numer obrazka w bazie
	oraz jego kategorię (klasę).

11. Dane te same, co w poprzednim zadaniu. Należy zbudować logistyczną funkcję
	dyskryminacyjną pozwalającą odróżniać  wybraną cyferkę od innych 
	cyferek, lub 'twarz' od 'nieTwarzy'.
	Do dalszych obliczeń numerycznych potrzeba żeby baza danych była 
	wyrażona w elementach typu 'double'. Jeśli tak nie jest, to zamieniamy
	zmienne x w formacie uint8 lub uint16 następująco: x=double(x)
	a) Czy jakaś sieć z Netlaba potrafi skonstruować szukaną funkcję 
	dyskryminujacą
	b) Napisz wlasny skrypt oparty na zredukowanym perceptronie pracującym
	na metodzie 'gradient descent' (Zadanie 7 listy nr 1) przy logistycznej
	funkcji aktywacji.

12.  Wybierz do analizy jeden z plikow: S120 (sygnatury fraktalne próbek 
	mammogramów, d=48)  lub GEAR DATA (d=15).  Dane na Posejdonie.
	Obydwa zbiory zawierają dwie grupy danych: "normalnych"  i "nie-normalnych".
	Zasadnicze pytania: 
	Czy można dla tych danych zdiagnozować stan 'nie-normalny'.
	Czy można zredukować liczbę cech do analizy.