تکاليف اين درس شامل چهار بخش تمرين، پروژه، سمينار و امتحان نهايي است.

هر بخش از سرفصل هاي اصلي درس شامل مجموعه اي تمرين خواهد بود که بايد ظرف مهلت تعيين شده، تحويل دهيد. توجه کنيد که ملاک ارزيابي تمرين تنها تحويل آن است و درستي يا نادرستي آن در نمره تمرين تاثيري نخواهد داشت.

 شما بايد يک مساله انتخاب کرده و پس از تصويب، آن را با شبکه هاي عصبي حل و پياده سازي کنيد.

شما بايد يک موضوع از موضوعات مورد بحث روز درباره شبکه هاي عصبي را انتخاب کنيد و درباره آن در کلاس سميناري ارائه کنيد. براي اين کار مي توانيد از مجلات پژوهشي معرفي شده در بخش منابع استفاده کنيد.

اين درس شامل يک امتحان نهايي کتبي نيز است که در پايان نيمسال تحصيلي برگزار مي شود.

نمره نهايي شما ترکيبي از نمرات اين چهار بخش و ميزان تاثير هرکدام از آنها  مطابق جدول زير است:

تمرين            10%
سمينار         20%
پروژه            30%
امتحان         40%


پروژه 1 - ارزيابي کارايي شبکه هاي عصبي پس انتشار خطا  -  مهلت تحويل 15 ارديبهشت 88

در اين پروژه کارايي شبکه هاي پس انتشار خطا را براي مسايلي از نوع طبقه بندي و پيش بيني ارزيابي مي کنيم. هدف از اين پروژه آشنايي با توانايي ها شبکه مزبور و نحوه تغيير کارايي آن با تغيير پارامترهاي مختلف شبکه است.

پايگاه مناسبي  را به دلخواه از مجموعه UCI  انتخاب کنيد و يک شبکه عصبي براي حل مساله طبقه بندي <X,y> طراحي کنيد که در آن XNxm ماتريس داده ها و yNx1 بردار برچسب هاست. هر سطر از ماتريس X نشان دهنده يک نمونه است و سطر متناظر آن در y برچسب نمونه را نشان مي دهد.

براي آموزش و آزمون شبکه ها از روش Kfold Cross Validation و نرم افزار  ®MATLAB استفاده کنيد.

خطاي شبکه هاي طراحي شده را با شرايط زير بررسي و تحليل کنيد:

  1. شبکه را به صورت پرسپترون خطي طراحي کنيد.

  2.  يک لايه مياني به شبکه پرسپترون اضافه کنيد. تعداد نرونهاي اين لايه را برابر با تعداد نرونهاي لايه اول بگيريد. خطاي شبکه را محاسبه و با حالت قبل مقايسه کنيد.

  3. تعداد نرونهاي لايه دوم را تا دوبرابر افزايش دهيد و اثر آن را روي دقت شبکه بررسي کنيد.

  4. تعداد لايه ها را تا ده لايه افزايش دهيد و اثر آن را روي دقت شبکه بررسي کنيد.

  5.  يکي از شبکه ها را که در آزمايشهاي قبلي نتايج مناسبي داشته است؛ انتخاب کنيد و  بدون تغيير ساختار، آزمايش ارزيابي را 100 بار تکرار کنيد. با توجه به اينکه وزن شبکه در شروع هر بار آموزش مقدار جديدي مي گيرد؛ اثر تکرار يادگيري را بر دقت شبکه بررسي کنيد.

نتايج آزمايشها خود  را در قالب گزارشي تحليلي بيان کنيد. در اين گزارش، مساله مورد استفاده را تعريف کنيد و با استفاده از نمودارها و جدولهاي مناسب نتايج خود را ارائه دهيد.

باينکه پايگاه   UCI    در تحقيقات زيادي مورد استفاده قرار گرفته و نتايج آزمايشهاي بازشناسي و پيش بيني به روشهاي مختلف و متنوع يادگيري ماشين منتشر شده است؛ بهترين نتايج بدست آمده از شبکه هاي خود را با چند نمونه از  نتايج ديگران مقايسه کنيد.


پروژه 2- منتظر اعلام باشيد.


سمينار پژوهشي - مهلت انتخاب موضوع 31 ارديبهشت 88

يکي از موضوعات روز مورد بحث در حوزه شبکه هاي عصبي را انتخاب کنيد و يکي از تحقيقات انجام گرفته درباره آن را بررسي و در قالب سميناري ارائه کنيد.

* گزارش سمينار را  به صورت کتبي و به زبان فارسي تهيه کنيد.
* در يک جلسه 30 دقيقه اي گزارش شفاهي در کلاس ارائه کنيد.

موضوع انتخاب شده بايد مبحث اصلي يک مقاله منتشر شده در نشريات تخصصي حوزه شبکه هاي عصبي و يادگيري ماشين با ضريب تاثير بالاتر از 1  و متعلق به سال 2006 به بعد باشد.