Автор: Пользователь скрыл имя, 16 Декабря 2012 в 18:35, курсовая работа
Цель данной работы – создание интеллектуальной информационной системы для прогнозирования стоимости планшетов.
Для решения поставленной цели было решено несколько задач:
Изучить критерии оценки планшетов (предметная область);
Поставить задачи для достижения поставленной цели;
Подобрать обучающие примеры, оформить их для дальнейшего использования;
Спроектировать нейронную сеть;
Протестировать полученную нейронную сеть и оформить рекомендации по ее работе и использованию.
Введение 3
Глава 1. Искусственный интеллект и нейронные сети. 5
1.1 Системы искусственного интеллекта. 5
1.2. Применение нейронных сетей 6
1.3 Нейросимулятор 7
Глава 2. Практическое применение нейронных сетей при оценке стоимости планшетов. 9
2.1. Постановка задачи. Определение входных параметров и обучающих примеров. 9
2.2. Проектирование, обучение, тестирование сети, прогноз и определение его точности. 12
2.3. Проверка значимости параметров 16
Список литературы 19
Ny –число выходов = 1;
Nx –число входов = 10;
Nw – необходимое число синоптических весов;
Q – число элементов обучающего множества =24;
Число скрытых слоев = 1.
Расчеты:
((1+10)/(1+4) + 1(24/10+1)(10+1+1)+1)/2=22
Число нейронов на скрытом слое:
Ny –число выходов = 1;
Nx –число входов = 13;
Nw – необходимое число синоптических весов;
N= 22/(10+1)=2
Проектирование сети
Рис. 1. проектирование сети
По нашим параметрам проектируем сеть. Число нейронов входного слоя 10, скрытых слоев 1, нейронов на скрытом слое 2, число нейронов выходного слоя 1.
Обучение сети
Рис.2. Ввод обучающих параметров
Загружаем нашу выборку из 24 примеров, обучаем сеть на 1000 эпох.
Рис.3. График «Ошибка обучения»
Получаем график с макс ошибкой 3714.56 для поля d1 и средней ошибкой 0.000954.
Тестирование
Рис.4. Гистограмма тестирования
d1 – реальная цена.
y1 – оценка, даваемая персептроном.
По гистограмме мы видим, что персептрон может давать довольно точный прогноз цены.
Для определения значимости параметров выбрали соответствующую функцию, задали необходимые параметры, после чего программа должна начать и завершить процесс.
Рис. 5. Определение значимости приверов
Изменив параметр Размер Тестовой Выборки на 15% и запустив функцию, определяющую значимость параметров, 3 раза были получены следующие результаты:
Рис.6. Диаграмма значимости параметров.
Диаграмма показала, что определенные входные параметры значимы.
Так как процент ошибки не должен составлять более 20%, после обучения персептрона, следует заметить, что обучение прошло успешно, так как ошибка составила всего 5%. Это значит, что персептрон может достаточно точно определить стоимость видеокарты по заданным параметрам. Следовательно, цель работы достигнута.
Заключение
Данный проект показывает, что использование персептрона для принятия решений, можно сделать достаточно точный прогноз стоимости планшетов, а также упростить работу пользователя по оценке будущей покупки.
Организации по работе с вычислительной техникой так же могут быть заинтересованы в подобной программе, так как это входит в их обязанности консультировать клиентов о стоимости и комплекте, приобретаемой ими планшета.
Точность прогнозов составляет приблизительно 85%, следовательно разработанная прогностическая система может функционировать как программное решение, автоматизирующее работу по оценке стоимости планшетов.
В процессе работы все задачи были успешно реализованы, таким образом, поставленная цель - создание интеллектуальной информационной системы для прогнозирования стоимости планшетов, способной автоматизировать процесс оценки стоимости планшетов, была достигнута.
Приложение
x1 |
x2 |
x3 |
x4 |
x5 |
x6 |
x7 |
x8 |
x9 |
x10 |
d1 |
2 |
6 |
4 |
2 |
2 |
3 |
4 |
2 |
1 |
2 |
14620 |
2 |
6 |
4 |
2 |
2 |
4 |
4 |
1 |
1 |
4 |
20850 |
2 |
6 |
6 |
2 |
3 |
4 |
5 |
1 |
1 |
4 |
27450 |
2 |
1 |
6 |
1 |
1 |
1 |
1 |
2 |
4 |
2 |
10320 |
4 |
6 |
4 |
1 |
2 |
4 |
4 |
2 |
3 |
4 |
14600 |
4 |
6 |
4 |
2 |
2 |
4 |
4 |
2 |
5 |
4 |
20300 |
4 |
6 |
4 |
2 |
2 |
3 |
4 |
2 |
1 |
4 |
24020 |
4 |
7 |
3 |
2 |
4 |
5 |
5 |
2 |
1 |
4 |
39900 |
5 |
5 |
2 |
1 |
2 |
2 |
4 |
3 |
2 |
1 |
7290 |
5 |
1 |
2 |
1 |
1 |
2 |
4 |
3 |
1 |
2 |
3490 |
5 |
6 |
2 |
1 |
1 |
2 |
2 |
3 |
1 |
2 |
8520 |
5 |
1 |
2 |
1 |
1 |
2 |
2 |
3 |
2 |
1 |
6750 |
6 |
1 |
5 |
2 |
2 |
2 |
4 |
1 |
2 |
2 |
13290 |
6 |
2 |
5 |
2 |
2 |
3 |
4 |
1 |
1 |
3 |
18900 |
6 |
6 |
5 |
2 |
3 |
4 |
4 |
1 |
2 |
4 |
26070 |
6 |
7 |
3 |
2 |
4 |
5 |
5 |
2 |
1 |
4 |
41600 |
3 |
5 |
1 |
2 |
2 |
3 |
1 |
2 |
2 |
4 |
21150 |
3 |
3 |
1 |
2 |
1 |
3 |
1 |
2 |
2 |
4 |
17630 |
3 |
3 |
1 |
2 |
1 |
4 |
1 |
2 |
5 |
4 |
19990 |
3 |
5 |
1 |
2 |
2 |
5 |
1 |
1 |
2 |
4 |
29610 |
1 |
4 |
6 |
1 |
2 |
1 |
4 |
3 |
1 |
2 |
5580 |
1 |
6 |
6 |
1 |
1 |
3 |
2 |
2 |
1 |
1 |
10330 |
1 |
6 |
6 |
2 |
1 |
3 |
3 |
1 |
1 |
1 |
12830 |
1 |
6 |
3 |
2 |
2 |
3 |
4 |
2 |
1 |
3 |
18430 |
Таблица 1. Обучающие примеры для персептрона.