otchet_Dasha (2)
.docxСимоненко 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.