Podręcznik

1. Narysować strukturę sieci Elmana zawierającej 3 wejścia zewnętrzne, 5 neuronów ukrytych i 4 neurony wyjściowe. Zdefiniować wektor wejściowy takiej sieci z uwzględnieniem warstwy kontekstowej. Napisać wzór opisujący sygnał wyjściowy dowolnego neuronu i-tego w warstwie wyjściowej.

3. Narysować strukturę sieci rekurencyjnej ze sprzężeniem zwrotnym pochodzącym od neuronów wyjściowych (4 neurony) do warstwy ukrytej zawierającej 3 neurony. Warstwa wejściowa sieci zawiera 2 węzły wejściowe. Napisać wzór określający sygnał dowolnego neuronu wyjściowego.

3. Wykorzystując zbiór danych dotyczących zmian obciążeń 24-godzinnych w PSE (zbiór PSE.mat) wygenerować dane uczące i testujące obejmujące wszystkie pory roku dla predykcji kolejnych wartości 24-godzinnych. Tak przygotowany zbiór wykorzystać w uczeniu i testowaniu sieci Elmana odwzorowującej procesy zmian obciążeń. Dobrać optymalną liczbę neuronów ukrytych.

4. Wykorzystując sieć Elmana dokonać predykcji średnich płac miesięcznych na podstawie jedynie zmian wartości tej zmiennej w przeszłości (biorąc pod uwagę np. kilka ostatnich miesięcy jako zmienne wejściowe dla sieci). Wykorzystać dane statystyczne dla Polski (strona internetowa GUS http://www.stat.gov.pl/). Skomentować wyniki predykcji pod względem dokładności w stosunku do wartości rzeczywistych.

5. Wykorzystując sieć LSTM dokonać predykcji zanieczyszczeń atmosferycznych. Wykorzystać dane rozkładu zanieczyszczeń zgromadzone w pliku pollution.mat