IIS_2023_1/kondrashin_mikhail_lab_6/README.md

2.3 KiB
Raw Blame History

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

Result