lab04

.gitignore

@@ -1 +1,2 @@
 *.ipynb_checkpoints/
+*training_checkpoints

README.md

@@ -51,4 +51,11 @@
 
 ### Лабораторная работа №4
 
+| Группа     | Дата       |
+| :---       | :---:      |
+| А-01-19    | 10.04.2023, 24.04.2023 |
+| А-03-19    | 17.03.2023, 22.03.2023 |
+
+* [Задание](labs/OATD_LR4.md)
+* [Методические указания](labs/OATD_LR4_metod.ipynb)
 

labs/OATD_LR4.md

@@ -0,0 +1,45 @@
+# Лабораторная работа №4. Использование нейронных сетей для генерации текста 
+
+## Цель работы
+
+Получить практические навыки решения задачи генерации текста.
+
+## Задание
+
+1. Загрузить выборку стихотворений одного из поэтов в соответствии с вариантом.
+2. Познакомиться с данными. Проанализировать статистические характеристики исходных данных (среднюю длину стихотворения, среднюю длину строки).
+3. Подготовить выборку для обучения.
+4. Построить нейронную сеть. Тип ячейки RNN выбрать в соответствии с вариантом.
+5. Обучить нейронную сеть на разных количествах эпох (5, 15, 30, 50, 70) при зафиксированных параметрах embedding_dim = 256, rnn_units = 300, T = 0.3 и сравнить результаты генерации (тексты), перплексию и статистические характеристики сгенерированных текстов. Выбрать оптимальное количество эпох
+7. Изменяя параметр температуры T проанализировать изменения сгенерированного текста. Выбрать оптимальное значение параметра.
+8. Проанализировать зависимость перплексии, скорости обучения, результатов генерации от параметров нейронной сети embedding_dim, rnn_units:
+embedding_dim = {vocab/4, vocab/2, vocab, vocab * 2, vocab * 4},  где vocab = размер словаря выборки.  
+rnn_units = {10, 100, 300, 500}
+
+## Указания
+
+Для работы рекомендуется использовать Google Colab вместо Jupyter Notebook для ускорения расчетов.
+
+## Варианты заданий
+
+### Поэт
+
+Четные номера по журналу - Пушкин, нечетные - Маяковский. 
+
+### Тип ячейки RNN
+
+Остаток от деления номера по журналу на 3:
+* 0 - https://keras.io/api/layers/recurrent_layers/simple_rnn/
+* 1 - https://keras.io/api/layers/recurrent_layers/lstm/
+* 2 - https://keras.io/api/layers/recurrent_layers/gru/
+
+## Контрольные вопросы
+
+1. В чем особенность рекуррентных нейронных сетей?
+2. Типы рекуррентных сетей - обычная RNN
+3. Типы рекуррентных сетей - LSTM
+4. Типы рекуррентных сетей - GRU
+5. Что такое и как вычисляется перплексия
+
+
+