49 lines
2.3 KiB
Markdown
49 lines
2.3 KiB
Markdown
|
#### Кондрашин Михаил ПИбд-41
|
|||
|
|
|
|||
|
|
## Лабораторная работа 6. Нейронная сеть
|
|||
|
|
|
|||
|
|
### Запуск лабораторной работы:
|
|||
|
|
|
|||
|
|
* установить `python`, `numpy`, `matplotlib`, `sklearn`
|
|||
|
|
* запустить проект (стартовая точка класс `main.py`)
|
|||
|
|
|
|||
|
|
### Используемые технологии:
|
|||
|
|
|
|||
|
|
* Язык программирования `Python`,
|
|||
|
|
* Библиотеки `numpy`, `matplotlib`, `sklearn`
|
|||
|
|
* Среда разработки `IntelliJ IDEA` (В версии "Ultimate edition" можно писать на python)
|
|||
|
|
|
|||
|
|
### Задача:
|
|||
|
|
Осуществить обучение модели нейронной сети для предсказания погоды относительно влияющих погодных факторов по наиболее важным признакам.
|
|||
|
|
|
|||
|
|
### Описание решения:
|
|||
|
|
|
|||
|
|
* Входные данные:
|
|||
|
|
* Влияющие признаки
|
|||
|
|
* D1 (угол, с которого дует ветер на самом высоком датчике мачты ветростанции)
|
|||
|
|
* TI1 (показатель турбуленции на самом высоком датчике мачты ветростанции)
|
|||
|
|
* V1 (Скорость ветра)
|
|||
|
|
* RH (относительная влажность)
|
|||
|
|
* P (атмосферное давление)
|
|||
|
|
* Аппроксимирующий признак - температура
|
|||
|
|
* Файл WindData.csv
|
|||
|
|
* Модель классификатора состоит из двух скрытых слоев
|
|||
|
|
* Задействованные функции:
|
|||
|
|
* relu
|
|||
|
|
* identity
|
|||
|
|
* tahn
|
|||
|
|
* logistic
|
|||
|
|
* max_iter=4000, n_iter_no_change=10, alpha=0.01
|
|||
|
|
|
|||
|
|
### Результат:
|
|||
|
|
|
|||
|
|
* Наиболее предпочтительной функцией при данных входных параметров для MLPClassifier является relu
|
|||
|
|
* tahn и logistic являются примерно одинаковыми
|
|||
|
|
* identity является наименьшей
|
|||
|
|
|
|||
|
|
То есть нелинейная функция является наилучшей для задачи прогнозирования погоды
|
|||
|
|
|
|||
|
|
|
|||
|
|
|
|||
|
|
|