Введение в профессию. Куприянов Леонид ВВП Лабораторная работа. Связи и массовых коммуникаций российской федерации
Скачать 230.67 Kb.
|
МИНИСТЕРСТВО 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) Кафедра информационных управляющих систем Лабораторная работа № 7 «Решение задачи регрессии с помощью нейронной сети» Студенты гр. ИСТ-014____________________ С.Д. Балыбердин, Л.А. Куприянов (подпись) Проверил ___________________________ В.Л. Литвинов (оценка и подпись) Санкт-Петербург 2022 год Цель Исследование принципов разработки нейронной сети на примере задачи регрессии. Реализация поставленных задач: Исследование нейронной сети при заданных начальных параметрах (указанных в таблице). Нахождение минимального значения n_hidden_neurons, при котором сеть дает удовлетворительные результаты; Нахождение наилучшего значения шага градиентного спуска lr в интервале от номинального значения; Изменение нейронной сети для предсказания функции: ; Получение метрики MAE = не хуже 0.03, варьируя: архитектуру сети, loss-функцию, lr оптимизатора или количество эпох в обучении. РЕЗУЛЬТАТЫ И МЕТОДИКИ ИССЛЕДОВАНИЯ При начальном значение n_hidden_neurons = 50 и lr=0,01 нейронная сеть дает результат, не удовлетворяющий условию Воспользуемся методом ADAM. Минимальное необходимое значение n_hidden_neurons равно 15. При постановке меньшего значения результат получается некорректным. Попробуем найти наилучшее значение градиентного спуска методом подбора. Это число = 0,1 Изменим валидационный и тренировочный датасет, а также саму функцию для предсказания нейронной сети функции Методом подбора попробуем найти подходящие значения для метрики MAE < 0,03. Используем следующие значения: оптимизатор – ADAM количество скрытых слоев – 1 количество скрытых нейронов – 50 lr – 0.1 эпохи в обучении – 20000 Loss-функция - MAE Выводим значение метрики, примерно равное числу: 0.02678657982205969 ВЫВОД На примере задачи регрессии и методы работы с нейронными сетями была изучена и проанализирована работа нейронных сетей. |