Поручиков М.А. Анализ данных. А. поручиков

• Название: А. поручиков
• Дата: 25.10.2022
• Размер: 2.76 Mb.
• Имя файла: Поручиков М.А. Анализ данных.docx
• Тип: Анализ; #753011
• страница: 15 из 20

Лабораторная работа «Множественная классификация»

Общиесведения

Целью работы является приобретение навыка множественной классификации данных.

Задачи:

1 Подготовка обучающей выборки. 2 Обучение классификатора.

3 Проверка классификатора.

В качестве инструментального средства используется программное обеспечение image_recognition. Описание данного программного обеспечения приведено выше (с. 50).

Исходныеданные
Таблица 21. Образы

Вариант	Образы
1	Арабские цифры
2	Римские цифры
3	Заглавные буквы кириллицы
4	Строчные буквы кириллицы
5	Заглавные буквы латиницы
6	Строчные буквы латиницы
7	Заглавные греческие буквы
8	Строчные греческие буквы
9	Математические символы
10	Смайлики
11	Дорожные знаки
12	Иконки социальных сетей
13	Логотипы автомобилей

Число распознаваемых образов – не менее пяти.

Порядоквыполнения

1. 
   Подготовка.
   
   1. 
      Загрузите архивный файл image_recognition.zip, содержащий программное обеспечение, с сайта курса.
      
   2. 
      Распакуйте всё содержимое архивного файла в какую-либо папку.
      
   3. 
      Выберите вариант задания (табл. 21).
      
   4. 
      Выберите размер образа, то есть его высоту и ширину. Примеры образов приведены ниже (рис. 38).
      

3x5 5x7

1. 
   цифра «1» б) символ интеграла
   

Рис. 38. Примеры образов

5. 
   Выберите количество образов.
   
6. 
   Создайте файл с обучающей выборкой. 2 Создание нейронной сети:
   

1. 
   Запустите программу image_recognition.exe.
   
2. 
   Задайте размеры изображения.
   
3. 
   Задайте число классов.
   
4. 
   Задайте число нейронов в скрытом слое, равное единице.
   
5. 
   Обучите сеть.
   
6. 
   Проверьте распознавание всех известных образов.
   
7. 
   Изменяя размер скрытого слоя, подберите минимальный размер скрытого слоя сети, при котором сеть уверенно распознает образы из обучающей выборки.
   

3. 
   Проверка:
   
   1. 
      Проверьте распознавание всех известных образов.
      
   2. 
      Проверьте распознавание неизвестных образов. Например, если обучающая выборка содержит символ интеграла (рис. 39, а), то можно проверить неизвестный, но похожий образ (рис. 39, б).
      

5x7

а) известный образ

5x7


б) неизвестный образ

Рис. 39. Примеры образов

3. 
   Проведите анализ полученных результатов.
   
3. 
   Продемонстрируйте преподавателю полученные результаты. При наличии замечаний проведите повторные эксперименты.
   
4. 
   Отчет по работе:
   
   1. 
      Составьте отчет.
      
   2. 
      Преобразуйте отчет в формат PDF.
      
   3. 
      Создайте архив в формате ZIP, содержащий 1) отчет (PDF); 2) файл с обучающей выборкой (*.data); 3) файл со структурой сети (*.net); 4) файл с описанием классов (*.txt); 5) файл с описанием размера изображения (*.size) в один архив.
      
   4. 
      Прикрепите архив в раздел «Отчет по лабораторной работе
      

№4» (множественная классификация) курса «Анализ данных» [2].

5. 
   При наличии замечаний от преподавателя скорректируйте отчет.
   

Требованияк отчету

Отчет должен содержать:

1. 
   Титульный лист: наименование работы, вариант задания, ФИО студента, номер учебной группы, дата выполнения работы.
   
2. 
   Реферат.
   
3. 
   Оглавление.
   
4. 
   Задание.
   
5. 
   Описание образов:
   
   1. 
      Размер образа и число классов.
      

2. 
   Изображения образов.
   
3. 
   Обучающая выборка.
   
1. 
   Описание нейронной сети:
   
   1. 
      Структура сети (число нейронов в слоях).
      
   2. 
      Число шагов обучения.
      
   3. 
      Достигнутое значение функции штрафа.
      
   4. 
      График функции штрафа (изменение значения функции штрафа в процессе обучения сети).
      
2. 
   Результаты:
   
   1. 
      Реакция сети на все известные (т.е. имеющиеся в обучающей выборке) образы.
      
   2. 
      Реакция сети на неизвестные образы. 8 Анализ результатов.
      

9. 
   Список использованных источников:
   
   1. 
      Источники данных.
      
   2. 
      Нормативные документы. 10 Приложения.
      

Отчет должен быть оформлен в соответствии с действующими стандартами университета [18, 19].