Презентация по слайдам:
Слайд #1
Использование нейросимулятора при определении внешнего вида ребенка по параметрам родителей
Слайд #2
Цель работы: Определить, насколько точно обучится нейросимулятор по заданным параметрам; Посмотреть, сможет ли нейросимулятор определить внешний вид ребенка по параметрам, не входящим в обучающую выборку
Слайд #3
Теоретические основы Нейросеть представляет собой набор специальных математических функций с множеством параметров, которые настраиваются в процессе обучения на прошлых данных. В основе нейронных сетей лежит поведенческий подход к решению задачи, сеть учится на примерах, подстраивая свои параметры при помощи специальных обучающих алгоритмов.
Слайд #4
С практической точки зрения методика принятия решения обученной нейросети проста, на входе задаются некоторые числовые данные, и нейросеть ищет похожие в исторических данных, на которых она обучалась. Как правило, нейронная сеть используется тогда, когда неизвестен точный вид связей между входами и выходами, если бы он был известен, то связь можно было бы моделировать непосредственно. Другая существенная особенность нейронных сетей состоит в том, что зависимость между входом и выходом находится в процессе обучения сети.
Слайд #5
Практическая часть Для работы я выбрал готовый нейросимулятор:
Слайд #6
Основной принцип работы нейросимулятора Основной принцип работы этого нейросимулятора: сигналы, поступающие на входы Х1,-,Хn, умножаются на коэффициенты (веса, синапсы) соответствующие каждому входу и определяют уровень возбуждения нейрона. Выходной сигнал получается пропусканием суммарного сигнала возбужденных нейронов скрытого слоя через нелинейную функцию.
Слайд #7
Пример определения внешнего вида ребенка по параметрам родителей На вход подавались следующие статистические данные: рост папы; рост мамы; цвет волос папы; цвет волос мамы; цвет глаз папы; цвет глаз мамы; цвет кожи папы; цвет кожи мамы; вес папы; вес мамы; какой ребенок по счету.
Слайд #8
Обучение При проектировании персептронов необходимо понимать, что персептрон должен не только правильно реагировать на примеры, на которых он обучен, но и уметь обобщать приобретенные знания, т.е. правильно реагировать на примеры, которых в обучающей выборке не было
Слайд #9
Кривые зависимости погрешностей обучения и обобщения от числа нейронов внутренних слоев персептрона
Слайд #10
Ошибка сети
Слайд #11
Результаты обучения (на основе обучающей выборки) Результаты нейросетевого моделирования роста ребенка
Слайд #12
Результаты нейросетевого моделирования веса ребенка
Слайд #13
Из данных графиков видно, что наша сеть обучилась очень хорошо. Она выдает результаты с минимальной ошибкой. Но нужно проверить, сможет ли сеть определить рост, вес, цвет глаз, волос и кожи ребенка по неизвестным ему параметрам. Для этого воспользуемся тестируемой выборкой и продемонстрируем результат.
Слайд #14
Результаты тестируемой выборки определения роста ребенка
Слайд #15
Результаты тестируемой выборки определения веса ребенка
Слайд #16
Результаты В результате обучения данным методом, предсказанные нейросетью значения по тестируемой выборке сильно отличаются от реальных. Возможно это связано с тем, что для прогнозирования такой задачи, как определения внешнего вида ребенка по параметрам родителей, требуется большее количество входных параметров, влияющих на ребенка. А также в дальнейшей работе над этой проблемой можно попробовать использовать более мощные нейросети и более подробное изучение данного вопроса.
