Оцените презентацию от 1 до 5 баллов!
Тип файла:
ppt / pptx (powerpoint)
Всего слайдов:
16 слайдов
Для класса:
1,2,3,4,5,6,7,8,9,10,11
Размер файла:
737.50 kB
Просмотров:
85
Скачиваний:
0
Автор:
неизвестен
Слайды и текст к этой презентации:
№1 слайд![Использование нейронных сетей](/documents/44fcb458a1dbeca094d22e08dcd525fe/img0.jpg)
Содержание слайда: Использование нейронных сетей при прогнозировании видовой принадлежности деревьев
№2 слайд![Цель работы посмотреть,](/documents/44fcb458a1dbeca094d22e08dcd525fe/img1.jpg)
Содержание слайда: Цель работы:
посмотреть, обучится ли нейросеть при определении видовой принадлежности деревьев;
насколько точны будут результаты обучающей выборки.
проверить сможет ли нейросеть определить вид дерева по неизвестным ей параметрам.
№3 слайд![Многослойная нейронная сеть](/documents/44fcb458a1dbeca094d22e08dcd525fe/img2.jpg)
Содержание слайда: Многослойная нейронная сеть
Как и человеческий мозг, нейросеть состоит из множества простейших элементов — нейронов, взаимодействующих друг с другом. Именно их совокупность обеспечивает уникальность свойств нейронных сетей, таких как способность к обобщению, работа с зашумленными и неполными данными и др.
Среди всего разнообразия архитектур нейронных сетей наибольшее распространение получили многослойные.
№4 слайд![В такой архитектуре нейроны](/documents/44fcb458a1dbeca094d22e08dcd525fe/img3.jpg)
Содержание слайда: В такой архитектуре нейроны объединены в так называемые слои. Под слоем понимается совокупность нейронов, входы которых соединены с выходами нейронов предыдущего слоя, а в свою очередь, выходы нейронов этого слоя являются входами для следующего слоя.
В такой архитектуре нейроны объединены в так называемые слои. Под слоем понимается совокупность нейронов, входы которых соединены с выходами нейронов предыдущего слоя, а в свою очередь, выходы нейронов этого слоя являются входами для следующего слоя.
Обычно слоистые сети являются полно связанными, то есть входы каждого нейрона слоя связаны со всеми выходами нейронов предыдущего слоя.
№5 слайд![Нейросимулятор . . В своей](/documents/44fcb458a1dbeca094d22e08dcd525fe/img4.jpg)
Содержание слайда: Нейросимулятор 1.0.
В своей работе я использовала готовый нейросимулятор:
№6 слайд![Обучение На вход подавались](/documents/44fcb458a1dbeca094d22e08dcd525fe/img5.jpg)
Содержание слайда: Обучение
На вход подавались следующие статистические данные:
1. Группа
1) лиственные;
2) хвойные.
2. Высота
3. Крона
1) колоновидная;
2) конусообразная;
3) зонтообразная;
4) шарообразная;
5) флагообразная;
6) вислая;
7) раскидистая.
№7 слайд![](/documents/44fcb458a1dbeca094d22e08dcd525fe/img6.jpg)
№8 слайд![](/documents/44fcb458a1dbeca094d22e08dcd525fe/img7.jpg)
№9 слайд![Данные обучающей выборки](/documents/44fcb458a1dbeca094d22e08dcd525fe/img8.jpg)
Содержание слайда: Данные обучающей выборки
№10 слайд![Результаты обучения](/documents/44fcb458a1dbeca094d22e08dcd525fe/img9.jpg)
Содержание слайда: Результаты обучения
№11 слайд![При обучении данным методом](/documents/44fcb458a1dbeca094d22e08dcd525fe/img10.jpg)
Содержание слайда: При обучении данным методом обратного распространения ошибки, выдались наиболее близкие к практическим результаты. Хотя некоторые модели деревьев, например, береза, ольха и рябина выдаются неточно.
При обучении данным методом обратного распространения ошибки, выдались наиболее близкие к практическим результаты. Хотя некоторые модели деревьев, например, береза, ольха и рябина выдаются неточно.
Теперь посмотрим, сможет ли нейросимулятор выдать модель дерева на неизвестные ему параметры
№12 слайд![Данные тестируемой выборки](/documents/44fcb458a1dbeca094d22e08dcd525fe/img11.jpg)
Содержание слайда: Данные тестируемой выборки:
№13 слайд![Результаты обучения](/documents/44fcb458a1dbeca094d22e08dcd525fe/img12.jpg)
Содержание слайда: Результаты обучения
№14 слайд![Зависимости погрешности](/documents/44fcb458a1dbeca094d22e08dcd525fe/img13.jpg)
Содержание слайда: Зависимости погрешности обучения и погрешности обобщения от числа нейронов внутренних слоев персептрона.
№15 слайд![Результаты При проверке на](/documents/44fcb458a1dbeca094d22e08dcd525fe/img14.jpg)
Содержание слайда: Результаты
При проверке на тестируемых данных, результаты оказались хуже. Из пяти введенных моделей нейросимулятор смог определить только 1. Это можно объяснить тем, что данные, которые мы вводили, не совпадают с точными значениями деревьев. Но для работы с уже известными параметрами деревьев нейросимулятор вполне подходит, его можно использовать биологам и экологам, занятым в этой области для ускорения работы. А также обычным людям в качестве определителя деревьев.
№16 слайд![Работу выполнила Работу](/documents/44fcb458a1dbeca094d22e08dcd525fe/img15.jpg)
Содержание слайда: Работу выполнила:
Работу выполнила:
студентка гр. 1233
Коркодинова Е.П.