IIS_2023_1/kondrashin_mikhail_lab_6

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