МИНИСТЕРСТВО 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:

1. У человека около 10,000,000,000

2. Искусственный нейрон получает сигнал следующим образом из входных данных или выходных сигналов других нейронов этой нейронной сети

3. Функция активации преобразует сигнал активации и в результате получается выходной сигнал нейрона

4. 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.

5. 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