Добавил:
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:

otchet_Dasha (2)

.docx
Скачиваний:
21
Добавлен:
06.05.2017
Размер:
2.01 Mб
Скачать

Симоненко В.С.

ИТ 13-2

Лабораторная работа № 5,6

РАЗРАБОТКА ТОПОЛОГИИ НЕЙРОННОЙ СЕТИ

Цель работы: приобрести навыки по использованию нейропакетаNeuroPro и освоить технологию создания, обучения и применения нейронной сети для решения задач предсказания влияния факторов на конечный результат.

Задание для выполнения лабораторной работы:

Для предметной области (эпидемии гриппа) выполнить прогноз, исследовать значимость входных параметров сети в зависимости от ее конфигурации.

Вариант

Кол-во слоев сети

Кол-во нейронов в слое

18

4

55

Ход работы:

1 Для заданной предметной области разработать топологию однослойной нейронной сети с не менее чем пятью входами и одним выходом.

2 Составить таблицу данных и провести обучение сети. В таблице должно быть не менее 12 наборов исходных данных.

3 Определить значимость факторов.

4 Разработать топологию для двухслойной, трехслойной и четырехслойной сети.

5 Повторить пункты 2 и 3.

6 Сделать вывод о значимости факторов в зависимости от топологии сети.

1 Произведем анализ задачи. В результате анализа выявлены основные факторы, влияющие на погодные условия. Это:

– Время года,

- Территориальное расположение

– Время

– Ценовая характеристика

– Количество детей

Время года: зима – 1; весна – 2; лето – 3; осень -4;

Территориальное расположение: площадь Ленина – 1; площадь Октябрьская -0;

Время: утро-1,день – 3, вечер -2;

Ценовая хар-ка: высокая - , средняя – 2, низкая – 1;

Кол-во детей: среднее – 1; низкое – 2, высокое – 3;

Выходные параметры:

Популярность кружков: низкое – 1, среднее – 2,

Высокое – 3;

2 В соответствии с отобранными показателями и выходной величиной в MS Access составляется таблица:

Рис.1 Таблица

Далее экспортируем данную таблицу в MS Access, затем используя конвертер конвертируем Access (MDB) файл в DBF формат.

Рисунок 2 – Загрузка файла в NeuroPro

Рисунок 3 – Создание нейронной сети

Для оценки числа нейронов в скрытых слоях можно воспользоваться формулой для оценки необходимого числа синоптических весов:

гдеn– размерность входного сигнала,

m –размерность выходного сигнала,

N –число элементов обучающей выборки.

Пусть Lw= 60

После оценки необходимого числа весов рассчитывается число нейронов в скрытых слоях по одной из следующих формул для двухслойной сети:

;

L = = 10;

3. Создаем однослойную сеть

Рис. 4 – Создание однослойной сети

Рисунок 5 –Обучаем однослойную сеть

Рисунок 6 –Тестирование однослойной сети

7 –Значимость входных параметров

Рисунок 8 – Упрощаем НС

Рисунок 9 –Значимость входных параметров

Создаем двухслойную НС:

Рисунок 10 – Параметры двухслойной НС

Рисунок 11 –Обучаем НС

Рисунок 12 – Тестируем НС

Рисунок 13 –Значимость входных параметров

Рисунок 14 – Упрощаем

Рисунок 13 –Значимость входных параметров

Рисунок 14 – Создание трехслойной нейронной сети

Рисунок 15 – Обучение нейронной сети

Рисунок 16 – Тестируем НС

Рисунок 17 –Значимость входных параметров

Рисунок 18 – Упрощаем

Рисунок 19 –Значимость входных параметров

Создание четырехслойной НС

Рисунок 20 – Создание четырехслойной нейронной сети

Рисунок 21 – Обучение нейронной сети

Рисунок 22 – Тестируем НС

Рисунок 23 –Значимость входных параметров

Рисунок 24 – Упрощение

Рисунок 25 –Значимость входных параметров

Таблица 1 – Тестирование

Однослойная НС

Двухслойнная НС

Трехслойная НС

Четырехслойная НС

Таблица 2 – Значимость входных параметров до упрощения

ВХ. параметры

Однослойная НС

Двухслойнная НС

Трехслойная НС

Четырехслойная НС

Таблица 3– Значимость входных параметров после упрощения

ВХ. параметры

Однослойная НС

Двухслойнная НС

Трехслойная НС

Четырехслойная НС

Для однослойной сети наиболее значимыми являются факторы: ВРЕМЯ ГОДА и КОЛИЧЕСТВО ДЕТЕЙ.

Для двухслойной сети наиболее значимыми являются факторы: ВРЕМЯ ГОДА, ТЕРРИТОРИАЛЬНОЕ РАСПОЛОЖЕНИЕ, КОНЦЕНТРАЦИЯ ВРЕМЯ, а наименее значимыми явл. ЦЕНОВАЯ ХАР-КА И КОЛ-ВО ДЕТЕЙ.

Для трехслойной сети наиболее значимым являются фактор: ТЕРРИТОРИАЛЬНОЕ РАСПОЛОЖЕНИЕ, КОЛ-ВО ДЕТЕЙ, а наименее значимыми явл. ЦЕНОВАЯ ХАР-КА .

Для четырехслойной сети наиболее значимым являются фактор: ТЕРРИТОРИАЛЬНОЕ РАСПОЛОЖЕНИЕ, ВРЕМЯ ГОДА,, а наименее значимыми явл. ЦЕНОВАЯ ХАР-КА и ВРЕМЯ .

Вывод: Я приобрела навыки по использованию нейропакета NeuroPro и освоила технологию создания, обучения и применения нейронной сети для решения задач предсказания влияния факторов на конечный результат.

Соседние файлы в предмете Искусственный интеллект