Слайд 2
Цель курсовой работы:
С помощью своих исследований я бы
хотела показать, можно ли использовать нейронные сети для прогнозирования
пола ребенка и эффективно ли их применение в этой области.
Слайд 3
Задачи, стоящие передо мной в ходе работы:
раскрыть
сущность нейросетевых технологий;
обучить один из нейросимуляторов;
Слайд 4
Актуальность выбранной темы
Выбор данной темы был обусловлен тем,
что в данной области применение методов искусственного интеллекта не
распространено, в свою очередь тема планирования пола ребенка всегда была и остается актуальной, т.к. практически все будущие родители имеют свои пристрастия к полу будущего ребенка.
Слайд 5
Отцы часто хотят мальчиков, матери -
девочек. Мужчина хочет делиться житейским опытом с сыном и
не представляет своего общения с девочкой. Женщины хотят получить помощницу, а может и подругу в лице девочки, и опасаются, что не справятся с воспитанием мальчика. Реже бывает и наоборот: отец хочет дочь, а мать - сына. В любом случае, наверное, все родители хотят предугадать, а может и спланировать пол своего будущего ребенка.
Слайд 6
Итак, рассмотрим пример использования нейронных сетей при планировании
пола ребенка
Слайд 7
На вход подаются следующие параметры:
X1 - Возраст женщины
во время зачатия;
X2 – Возраст мужчины во время
зачатия;
X3 - Разница в возрасте:
0 - одногодки;
1 - на 1-2 года старше мужчина;
2 - на 3-4 года старше мужчина;
3 - на 5 и > лет старше мужчина;
4 - на 1-2 года старше женщина;
5 - на 3-4 года старше женщина;
6 - на 5 и > лет старше женщина;
X4 - Месяц зачатия;
X5 - Какие роды по счету;
Слайд 8
X6 - Курение до зачатия:
0 -
не курят;
1 - курит мужчина;
2
- курит женщина;
3 - курят оба;
X7 - Волосы мужчины:
0 - редкие;
1 - нормальные;
2 - густые;
X8 - Ритм жизни:
1 - спокойная, размеренная жизнь;
2 - изменения ритмов жизни (переезды и т.д.);
X9 - Преобладание мальчиков или девочек в роду по женской и мужской линии:
0 – одинаково;
1 – мальчики;
2 – девочки;
3 - по женской линии - мальчики, по мужской – девочки;
4 - по женской линии - девочки, по мужской – мальчики;
5 - по женской линии - мальчики, по мужской – одинаково;
6 - по женской линии - девочки, по мужской – одинаково;
7 - по женской линии - одинаково, по мужской – мальчики;
8 - по женской линии - одинаково, по мужской - девочки;
Слайд 9
X10 – Преобладающие продукты питания в рационе женщины
до зачатия:
1 - консервированные продукты, мясо, колбасные
изделия, рыба, овощи, фрукты, соль.
2 - сахар, мед, варенье, пряности, все виды хлеба и другой выпечки, овощи (картошка в ограниченном количестве), фрукты (кроме, слив, бананов, черешни, абрикосов), молочные продукты, орехи (не соленые);
Слайд 10
На выходе будем формировать результирующий вектор со следующими
компонентами:
Y1 – родился мальчик;
Y2 – родилась девочка;
Слайд 11
В итоге была составлена обучающая выборка, которая содержит
30 записей.
Но при проектировании персептронов необходимо понимать, что персептрон
должен не только правильно реагировать на примеры, на которых он обучен, но и уметь обобщать приобретенные знания, т.е. правильно реагировать на примеры, которых в обучающей выборке не было, т.е. использовать еще тестовую выборку. Погрешность персептрона, вычисленная на обучающей выборке называется погрешностью обучения, а вычисленная на тестовой выборке- погрешностью обобщения.
Слайд 12
При увеличении числа нейронов внутренних слоев персептрона N
погрешность обучения обычно падает, тогда как погрешность обобщения
сначала падает, а затем, начиная с некоторого оптимального значения, возрастает. Кривые зависимости погрешностей обучения и обобщения от числа нейронов внутренних слоев персептрона приведены на рис. 1
Слайд 14
Таким образом, для решения задачи
буду использовать персептрон, основанный на нейронной сети с 10
входами, одним выходом и двумя скрытыми слоями, число нейронов скрытого слоя равно 2, так как согласно рис.1 число нейронов, равное 2, является оптимальным.
Слайд 15
Анализ полученных результатов.
Анализируя работу персептрона и полученные результаты
можно сделать вывод, что персептрон выдал модельные значения близкие
к практическим. Для того, чтобы наглядно продемонстрировать это утверждение, на гистограмме 1 покажем соотношение между модельными значениями и практически полученными результатами.
Слайд 17
Несмотря на то, что модельные значения не полностью
совпадают с практическими, можно утверждать, что тренд изменения искомых
величин отражен точно. Для окончательного подтверждения работоспособности модели на вход сети были поданы значения из тестируемой выборки.
Слайд 19
Из гистограммы 2 можно сделать вывод, что полученные
значения тестируемой выборки довольно-таки далеки от модельных значений, лишь
в одном случае из пяти эти значения более или менее близки (6 пара).
Слайд 20
выводы
Я наблюдала, что персептрон не смог решить поставленную
перед ним задачу. Подав на его вход сигналы, которых
не было в обучающей выборке, на выходе я получила результаты, в основном, сильно отличающиеся от реальных показателей, т.е. прогнозирование пола ребенка с помощью нейросимулятора, к сожалению, оказалось неэффективным.