Министерство образования и науки Российской Федерации УФИМСКИЙ ГОСУДАРСТВЕННЫЙ АВИАЦИОННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ Кафедра АСУ ОТЧЕТ по лабораторной работе №1 По дисциплине: «Интеллектуальные информационные системы» Выполнил: Проверил: Уфа - 2022 Цель работы: Изучить особенности применения нейронных сетей для моделирования систем с неизвестной структурой. Вариант № 11: x cos( x2) 5 . Ход работы: Диапазон 1: 0, π/2 Обучение при одном нейроне. Обучение при 3 нейронах Обучение при 5 нейронах Обучение при 7 нейронах Обучение при 2 скрытых слоях по 7 нейронов График сравнения Анализируя графики При одном нейроне график, построенный на полученных значениях почти полностью не совпадает с изначальным графиком. Но уже при добавлении дополнительно двух нейронов график начинает совпадать в некоторой области. Использую пять нейронов для обучения нейронной сети, график почти полностью совпадает с графиком нашей функции, но некоторые области расходятся. При добавлении еще двух нейронов (всего 7), график заметно улучшается, но далек от идеала. А уже при обучении нейронной сети с 2 скрытыми слоями по 7 нейронов в каждой, график почти полностью совпадает с графиком функции с минимальной погрешностью. Диапазон 2: -π, π Обучение при 1 нейроне Обучение при 5 нейронах Обучение при 2 слоев по 5 нейронов Обучение при 2 слоев по 10 нейронов Таблица результатов Графики результатов При одном нейроне график, построенный на полученных значениях полностью не совпадает с изначальным графиком. Но уже при пяти нейронов график начинает совпадать в некоторой области. Использую 2 скрытых слоя по пять нейронов в каждом для обучения нейронной сети, график, начинает принимать вид графика функции, но большинство областей расходятся. Только при использовании 2 скрытых слоев и по 10 нейронов в каждом, большинство областей графика начинают совпадать с графиком функции, но при этом график не идеален. Вывод: в ходе данной лабораторной работы мы произвели аппроксимацию функции x cos( x2) 5 на двух разных диапазонах. Так же были проанализованы и сравнены графики полученных значений с графиком функции. При первом диапозоне, так как в обучающей выборке было меньше значений и диапозон чем во втором, потребовалось меньше нейронов для обучения нейронной сети воспроизводить более менее одинаковый график функции. При втором диапозоне, использую больше нейронов, хоть и большинство областей графика функции совпадает с воспроизведенным графиков, но некоторые области полностью расходятся.
