Лаба_5_2
.docxМИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ
Федеральное государственное автономное образовательное учреждение высшего образования
«САНКТ-ПЕТЕРБУРГСКИЙ УНИВЕРСИТЕТ АЭРОКОСМИЧЕСКОГО ПРИБОРОСТРОЕНИЯ»
КАФЕДРА № 82
ОТЧЕТ ЗАЩИЩЕН С ОЦЕНКОЙ
ПРЕПОДАВАТЕЛЬ
доцент |
|
|
|
В.С. Блюм |
должность, уч. степень, звание |
|
подпись, дата |
|
инициалы, фамилия |
ОТЧЕТ О ЛАБОРАТОРНОЙ РАБОТЕ №5 |
ИНТЕЛЛЕКТУАЛЬНЫЙ АНАЛИЗ ДАННЫХ. МЕТОД НЕЙРОННОЙ СЕТИ |
по курсу: Интеллектуальные информационные системы |
|
|
РАБОТУ ВЫПОЛНИЛ
СТУДЕНТ ГР. № |
4616 |
|
|
|
А.В.Павлов |
|
|
|
подпись, дата |
|
инициалы, фамилия |
Санкт-Петербург 2019
Цель работы: ИНТЕЛЛЕКТУАЛЬНЫЙ АНАЛИЗ ДАННЫХ. МЕТОД НЕЙРОННОЙ СЕТИ
Ход работы:
Нейронная сеть это математическая модель, которая похоже на биологическую модели нервных систем, она состоит из множество отдельных групп нейронов, которые и обрабатывают информацию. Нейронная сеть часто используется для обработки больших данных, таких как прогноз цены на основе прошлых данных, обработки изображений и так далее.
Рассмотрим нейронную сеть входящий в учебный пример. А именно возьмем стандартную таблицу polynominal
Рисунок 1 – Исходная таблица
Рисунок 2 – Процесс создания
Рисунок 3 – Нейронная модель
Рисунок 4 – Результат расчётов
Далее загрузим свои данные и обработаем их с помощью Neaural Net. Наши данные представляют из себя статистику по ценам на квартиры в Москве, где указаны различные параметры, такие как цена, время до метро, район, площадь кухни, площадь квартиры и так далее.
Рисунок 3 – Наши данные
Рисунок 4 – Процесс
Рисунок 5 – Нейронная сеть
Рисунок 7 – Численный результат
Далее сравним цены спрогнозированные с помощью нейроной сетью и исходными. Для этого применим apply model и сравним визуально насколько отличаются предсказанные цены с реальными.
Рисунок 8 – Проверка полученных данных
Рисунок 9 – Полученные результаты
В итоге предсказанные цены отличаются от истинных примерно на 30% процентов, что не является достаточной точностью, но все равно хороший результат
Вывод: В ходе лабораторной работы мы изучили что такое нейронная сеть, посмотрели пример нейронной сети из учебного материала и создали свою нейронную сеть на основе наших данных
Контрольные вопросы:
-
У человека около 10,000,000,000
-
Искусственный нейрон получает сигнал следующим образом из входных данных или выходных сигналов других нейронов этой нейронной сети
-
Функция активации преобразует сигнал активации и в результате получается выходной сигнал нейрона
-
Особенность рекуррентной сети заключается в ее содержании связи ведущие назад от более дальних к более ближним нейронам, она очень неустойчивая и имеет сложную динамику поведения.
-
Этот вопрос не имеет четкого ответа, одно из правил говорит, что число наблюдений должно быть в десять раз больше числа связей в сети. Но так де это зависит сложности нейронной сети, с ростом количества переменных растет и количество требуемых наблюдений