Лаб-4
.docxМИНИСТЕРСТВО ЦИФРОВОГО РАЗВИТИЯ, СВЯЗИ И МАССОВЫХ КОММУНИКАЦИЙ РОССИЙСКОЙ ФЕДЕРАЦИИ Федеральное государственное бюджетное образовательное учреждение высшего образования «САНКТ-ПЕТЕРБУРГСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ТЕЛЕКОММУНИКАЦИЙ им. проф. М.А. БОНЧ-БРУЕВИЧА» (СПБГУТ) Факультет информационных сетей и систем Кафедра сетей связи и передачи данных |
|||||
|
|||||
ОТЧЕТ к лабораторной работе № 4 |
|||||
По дисциплине: |
Искусственный интеллект в сетях связи |
||||
|
|
||||
Тема работы: |
Распознавание изображений с помощью нейронной |
||||
|
сети в Microsoft Machine Learning Studio |
||||
|
|||||
|
|||||
|
|
|
Работу выполнили студенты |
||
|
|
|
группы |
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
||
|
|
|
|
||
|
|
|
Проверил: |
||
|
|
|
Доцент кафедры ССиПД |
||
|
|
|
Березкин Александр Александрович |
||
Санкт-Петербург 2022 |
|||||
В соответствии с заданием была построена модель для анализа данных из пользовательского датасета MNIST из которого было выбрано поле Label. Модель обучалась на основе алгоритма Multiclass Neural Network.
В модуле Multiclass Neural Network поочерёдно изменял значение поля в Number of hidden nodes.
Число нейронов в скрытом слое |
Overall Accuracy |
200 |
0.9816 |
100 |
0.9797 |
50 |
0.9727 |
10 |
0.9219 |
5 |
0.8878 |
Из полученных данных видим, что в данной модели общая точность растет по мере увеличения числа нейронов в скрытом слое