Главная страница
Навигация по странице:

  • Лабораторная работа № 7 «

  • Введение в профессию. Куприянов Леонид ВВП Лабораторная работа. Связи и массовых коммуникаций российской федерации


    Скачать 230.67 Kb.
    НазваниеСвязи и массовых коммуникаций российской федерации
    АнкорВведение в профессию
    Дата12.06.2022
    Размер230.67 Kb.
    Формат файлаdocx
    Имя файлаКуприянов Леонид ВВП Лабораторная работа.docx
    ТипЛабораторная работа
    #586331

    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:

    1. Исследование нейронной сети при заданных начальных параметрах (указанных в таблице). Нахождение минимального значения n_hidden_neurons, при котором сеть дает удовлетворительные результаты;

    2. Нахождение наилучшего значения шага градиентного спуска lr в интервале от номинального значения;

    3. Изменение нейронной сети для предсказания функции:

    ;

    1. Получение метрики MAE = не хуже 0.03, варьируя: архитектуру сети, loss-функцию, lr оптимизатора или количество эпох в обучении.

    РЕЗУЛЬТАТЫ И МЕТОДИКИ ИССЛЕДОВАНИЯ

    1. При начальном значение n_hidden_neurons = 50 и lr=0,01 нейронная сеть дает результат, не удовлетворяющий условию



    1. Воспользуемся методом ADAM.

    Минимальное необходимое значение n_hidden_neurons равно 15. При постановке меньшего значения результат получается некорректным.



    1. Попробуем найти наилучшее значение градиентного спуска методом подбора. Это число = 0,1

    2. Изменим валидационный и тренировочный датасет, а также саму функцию для предсказания нейронной сети функции



    1. 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

    1. 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.


    написать администратору сайта