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
|
||
|
||
|
||
|
||
|