חלק א :מבוא לרשתות נוירונים (ANN)

1. מהי רשת נוירונים?

רשת נוירונים מלאכותית (Artificial Neural Network – ANN) היא מודל מתמטי בתחום הבינה המלאכותית, המסוגל ללמוד קשרים ודפוסים מתוך נתונים.

בניגוד לתוכנה רגילה, שבה המתכנת מגדיר את כל כללי הפעולה, רשת נוירונים לומדת את הקשרים באמצעות דוגמאות.

דוגמה: במקום לכתוב נוסחה המתארת קשר מורכב בין X ל־Y, נספק לרשת מאות דוגמאות של X ו־Y. הרשת תנסה ללמוד את הקשר ולחזות ערכי Y חדשים.

רשת נוירונים בסיסית מכילה שלושה סוגי שכבות:

שכבה	תפקיד
Input Layer	קבלת הנתונים
Hidden Layers	עיבוד הנתונים ולמידת קשרים
Output Layer	הפקת התוצאה או החיזוי

3. תרגול : הרצת תרגיל (עם קוד פשוט ) רשתות נוירונים פרדיקציה

קישור :

https://colab.research.google.com/drive/1aS5y_LKPePjloHi57PZforMGqOESZGgX?usp=sharing

4. ,תרגיל כיתה : בניית רשת נוירונים בעזרת בינה מלאכותית

4.1 בנה בעזרת בינה מלאכותית רשת נוירונים בקוד פייתון – בסביבת פיתוח קולאב אשר מקבל את הנתונים הבאים

4.2 הצג את גרף הלמידה הפעל על 40 איפוקס , 100 איפוקס האם הרשת למדה או דרוש יותר אימון ?

4.3 נבא את התוצאות : הבאות

0.1 , 1.5 . -2.85 , 2.6

4.4 הצג את גרף הנתונים של סידרה a ואת הערכים לניסוי

נתונים ערכים לשאלה :

a = [
    (0, 2107.063993),
    (1, 1774.894936),
    (2, 1750.009562),
    (3, 1481.326385),
    (4, 1396.077521),
    (5, 1206.241582),
    (6, 1226.093311),
    (7, 1053.402700),
    (8, 863.965419),
    (9, 708.908089),
    (10, 609.188688),
    (11, 507.225962),
    (12, 546.267593),
    (13, 527.910129),
    (14, 445.411797),
    (15, 372.281130),
    (16, 273.318001),
    (17, 232.070553),
    (18, 162.902607),
    (19, 135.674182),
    (20, 15.810602),
    (21, 32.953371),
    (22, –7.529706),
    (23, –58.090834),
    (24, 141.533792),
    (25, 14.234175),
    (26, 40.625799),
    (27, –59.885817),
    (28, 86.203475),
    (29, 31.991252),
    (30, 88.132789),
    (31, 160.413156),
    (32, –75.607018),
    (33, 55.269403),
    (34, –56.520119),
    (35, –94.585288),
    (36, 8.086607),
    (37, –69.322549),
    (38, 81.048572),
    (39, 35.469407),
    (40, 13.428026),
    (41, 55.077948),
    (42, –76.633790),
    (43, 15.156530),
    (44, –100.269949),
    (45, 82.102218),
    (46, –39.703165),
    (47, –12.988640),
    (48, –82.648318),
    (49, –174.654761),
    (50, –125.680074),
    (51, 114.949028),
    (52, 2.739873),
    (53, 51.751231),
    (54, 8.351202),
    (55, –29.036185),
    (56, –138.659365),
    (57, 45.099863),
    (58, 4.898423),
    (59, –140.341615),
    (60, 0.263349),
    (61, –171.835728),
    (62, –112.363502),
    (63, 8.291108),
    (64, 42.170526),
    (65, –95.476512),
    (66, 89.265808),
    (67, 121.477131),
    (68, 63.346685),
    (69, 22.926077),
    (70, –54.681239),
    (71, –0.003649),
    (72, –58.438858),
    (73, 56.850423),
    (74, –62.948579),
    (75, 88.712425),
    (76, –139.472977),
    (77, –32.893119),
    (78, 11.448258),
    (79, –38.987336),
    (80, 25.303369),
    (81, –81.415682),
    (82, –70.917732),
    (83, 24.433327),
    (84, 10.738649),
    (85, –96.212815),
    (86, –14.961291),
    (87, –92.290469),
    (88, –104.987551),
    (89, 15.086477),
    (90, –118.130072),
    (91, –72.749843),
    (92, –172.149650),
    (93, –118.275654),
    (94, –57.536845),
    (95, 37.355310),
    (96, –174.049250),
    (97, 67.392092),
    (98, –178.348884),
    (99, 32.446615),
    (100, 34.355661),
    (101, –29.564107),
    (102, –230.259215),
    (103, –18.166889),
    (104, –186.462794),
    (105, –81.414764),
    (106, –287.880945),
    (107, –140.773498),
    (108, –300.851027),
    (109, –378.673102),
    (110, –492.544540),
    (111, –547.831068),
    (112, –489.163215),
    (113, –822.436100),
    (114, –742.851594),
    (115, –925.768624),
    (116, –885.407152),
    (117, –1112.968628),
    (118, –1234.314197),
    (119, –1212.259426),
    (120, –1629.306669),
    (121, –1508.318170),
    (122, –1887.185332),
    (123, –2070.217978),
]