IIS_2023_1/arzamaskina_milana_lab_7

Лабораторная работа №7

Рекуррентная нейронная сеть и задача генерации текста

ПИбд-41 Арзамаскина Милана

Вариант №2

Какие технологии использовались:

Используемые библиотеки:

• numpy
• keras
• tensorflow

Как запустить:

• установить python, numpy, keras, tensorflow
• запустить проект (стартовая точка - main.py)

Что делает программа:

На основе выбранных художественных текстов происходит обучение рекуррентной нейронной сети для решения задачи генерации. Необходимо подобрать архитектуру и параметры так, чтобы приблизиться к максимально осмысленному результату.

• Читает текст из файлов (english.txt, russian.txt)
• Получает входные, выходные данные (X, y), размер словаря и токенайзер. Используем Tokenizer с настройкой char_level=True
• Создаёт объект Sequential (последовательная рекуррентная нейронная сеть) и добавление двух слоёв LSTM. Dropout — это метод регуляризации для нейронных сетей и моделей глубокого обучения, решение проблемы переобучения. Слой Dense с функцией активации softmax используется для предсказания следующего слова
• Компилирует модель
• Обучает модель
• Генерирует текст

Сгенерированные тексты:

Генерация на русском языке:

Генерация на английском языке:

Вывод:

Программа способна сгенерировать осмысленный текст в каждом из случаев.