Порядок работы

СОЗДАНИЕ НАБОРОВ НЕЙРОННЫХ СЕТЕЙ

Лабораторная работа № 3

Основные данные для определения типа транспортного средства

Тип автомашины	Клиренс, градус	Масса, кг	Радиус дисков, дюйм	Количество колес, шт.
Легковой а\м	5–10	300–1500	10–13
Минивен	8–13	900–3000	12–15	4–6
Джип	10–20	2000–3500	12–15	4–6
Грузовой а\м	15–35	3500–6000	14–18	4–8

3. Построить нейронную сеть в соответствии с настройками:

- тип задачи: классификация;

- инструмент: мастер решений;

- количество сетей: 25;

- сохранять сетей: 10.

4. Вывести таблицу с предсказаниями для множества данных. Интерпретировать полученные результаты.

5. Отобразить Поверхность отклика, проанализировать предсказанный класс.

6. Изменить наблюдения пользователя и выявить связь между применяемыми данными и полученным результатом.

7. Сделать анализ построения нейронной сети и отразить в отчете.

8. Оформить отчет о выполненной работе.

Контрольные вопросы

1. Какая зависимость между предлагаемыми типами задач и выбором типа модели сети?

2. Перечислите необходимые настройки для построения нейронной сети.

3. Почему необходимо устанавливать определенное количество сетей?

4. Каким образом влияет значение Порога на построение сети?

5. Виды входных и выходных переменных и их взаимосвязь.

6. Зачем необходимо устанавливать ограничения времени работы сети? Что такое пропорции?

7. Интерпретируйте таблицу с предсказаниями.

8. Назначение постпроцессируемых функций. Назовите виды функций и их особенности.

9. Зачем устанавливаются уровни и пороги?

10. Что такое поверхность отклика?

Цель работы – создать ансамбль нейронных сетей на основании выбранных нейронных сетей.

1. Открыть файл данных Вентилятор.stw (см.табл.П.1) с помощью

команды Файл – Открыть. В этом файле находятся данные о двух типах классах – 1 и 2, наличие и отсутствие перегрева.

2. Выбрать команду Нейронные сети в меню Анализ для вызова стартовой панели STATISTICA Нейронные сети.

3. На вкладке Быстрый стартовой панели Нейронные сети выбрать из списка тип задачи (в данном случае – Классификация) и метод решения (в данном случае – Мастер решений) и нажать кнопку OK. После этого будет отображен стандартный диалог выбора переменных.

4. Выбрать зависимую (выходную) переменную (в данном случае – переменная КЛАСС, которая содержит коды для двух типов перегрева) и затем независимые переменные (в данном случае – переменные ТЕМПЕРАТУРА и СКОРОСТЬ, которые содержат данные о температуре и скорости вращения вентилятора). После этого нажать кнопку OK.

5. Нажать кнопку OK на стартовой панели для отображения диалога Мастер решений.

На вкладке Быстрый отменить выбор опции Выбрать подмножество независимых переменных, поскольку в рассматриваемой задаче определены только две независимые переменные. Таким образом, обе переменные будут использоваться в качестве входов для всех проверяемых нейронных сетей. В группе Длительность анализа находятся опции, определяющие время, которое Мастер решений потратит на поиск эффективной нейронной сети. Чем дольше Мастер решений будет работать, тем эффективней будет найденное решение. Можно ограничить время работы в терминах количества создаваемых и проверяемых нейронных сетей (опция N сетей) или точно указать время работы (опция Часы/минуты). Для решения текущей задачи в опции N сетей необходимо указать число итераций, равное 25. Мастер решений может исследовать очень большое количество нейронных сетей. Обычно рекомендуется изучить несколько наилучших вариантов сетей. Таким образом, можно сравнить производительность нескольких различных типов нейронных сетей, поскольку некоторые сети могут иметь меньшую производительность, но им стоит отдать предпочтение по другим причинам (например, меньший размер или меньшее число входов).

6. Вести число 10 для сохранения сетей, чтобы Мастер решений сохранил только 10 наилучших вариантов сетей.

7. Нажать кнопку OK, чтобы Мастер решений начал построение

нейронных сетей. После этого будет отображен диалог Идет обучение (Мастер решений). Каждый раз при обнаружении улучшенной нейронной сети будет добавлена новая строка в информационную таблицу. Кроме этого, в нижней части окна отображается время рабо-ты и процент выполненного задания. Если на протяжении длительного времени не произошло никаких улучшений, то можно нажать кнопку Готово в диалоге Идет обучение, чтобы завершить процесс поиска сетей.

8. После окончания поиска будет отображен диалог Результаты, который содержит информацию о найденных сетях и предоставляет функции для дальнейшего анализа.

Для завершения анализа нажать кнопку OK в диалоге Результаты.

9. На вкладке Сети/Ансамбли в диалоге Нейронные сети можно выбрать нейронную сеть для сохранения ее в ансамбль (рис. 11), а также можно удалить лишние сети, нажав кнопку Удалить модели на вкладке Дополнительно в диалоге Редактор наборов.

Рис. 11. Выбор ансамбля

10. Дополнительные параметры настройки нейронных сетей доступны в диалоге Нейронные сети – Редактор файлов. Нужно выбрать опцию Редактор наборов на вкладке Дополнительно в диалоге Нейронные сети и нажать кнопку OK. В этом диалоге можно просмотреть, выбрать и упорядочить различные нейронные сети и ансамбли, связанные с отдельным множеством данных.

11. Для просмотра списка сетей выбрать вкладку Сети. Информация, отображаемая на этой вкладке, аналогична той, которая содержится на вкладке Сети/Ансамбли в диалоге Результаты (рис. 12). После изучения отдельных сетей можно удалить некоторые из них. Например, установив, что линейные сети являются плохими в контексте этой задачи, а малые MLP–сети еще хуже, можно исключить их и проводить анализ с оставшимися типами сетей. Чтобы удалить нейронные сети из набора, выбрать вкладку Дополнительно в диалоге Нейронные сети – Редактор файлов, а затем нажать кнопку Удалить модель. Выбрать нейронные сети, которые необходимо удалить, в диалоге Выбрать сети/ансамбли и нажать кнопку OK. После этого сети будут удалены из общего набора.

Рис. 12. Сети в ансамбле

12. Для дальнейшей работы с этой моделью в окне Нейронные сети выбрать Запустить модель и нажать ОК.

Задания

1. Построить и обучить нейронную сеть банка с помощью Конструктора сетей на основе представленных данных для предоставления кредита. В исходных данных содержатся входная информация в виде оклада, срока кредита и наличие поручителей.

2. Ввести исходные данные с количеством наблюдений – 30 (конкретные значения переменных получить у преподавателя) в соответствии со следующими условиями (табл.3)

3. Построить нейронную сеть в соответствии с настройками:

- тип задачи: классификация;

- инструмент: мастер решений;

- количество сетей: 25;

- сохранять сетей: 10.

4. Создать ансамбль сетей.

5. Выбрать и упорядочить нейронные сети и ансамбли, связанные с множеством данных, с высокой производительностью.

6. Сделать анализ построения нейронной сети и отразить в отчете.

7. Оформить отчет о выполненной работе.

Таблица 3

Дата добавления: 2015-06-04