Использование нейронных сетей при планировании пола ребенка

Содержание

Слайд 2

Цель курсовой работы:

С помощью своих исследований я бы хотела показать, можно ли

Цель курсовой работы: С помощью своих исследований я бы хотела показать, можно
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

Задачи, стоящие передо мной в ходе работы: раскрыть сущность нейросетевых технологий; обучить один из нейросимуляторов;
один из нейросимуляторов;

Слайд 4

Актуальность выбранной темы

Выбор данной темы был обусловлен тем, что в данной области

Актуальность выбранной темы Выбор данной темы был обусловлен тем, что в данной
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

Отцы часто хотят мальчиков, матери - девочек. Мужчина хочет делиться житейским опытом
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

Итак, рассмотрим пример использования нейронных сетей при планировании пола ребенка

Слайд 7

На вход подаются следующие параметры:
X1 - Возраст женщины во время зачатия;
X2

На вход подаются следующие параметры: X1 - Возраст женщины во время зачатия;
– 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

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 -

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

На выходе будем формировать результирующий вектор со следующими компонентами: Y1 – родился
– родилась девочка;

Слайд 11

В итоге была составлена обучающая выборка, которая содержит 30 записей.
Но при проектировании

В итоге была составлена обучающая выборка, которая содержит 30 записей. Но при
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,

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 13

Рис.1

Рис.1

Слайд 14

Таким образом, для решения задачи буду использовать персептрон, основанный на нейронной

Таким образом, для решения задачи буду использовать персептрон, основанный на нейронной сети
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

Анализ полученных результатов. Анализируя работу персептрона и полученные результаты можно сделать вывод,
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 16

Гистограмма 1.

Гистограмма 1.

Слайд 17

Несмотря на то, что модельные значения не полностью совпадают с практическими, можно

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 18

Гистограмма 2.

Гистограмма 2.

Слайд 19

Из гистограммы 2 можно сделать вывод, что полученные значения тестируемой выборки довольно-таки

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

выводы Я наблюдала, что персептрон не смог решить поставленную перед ним задачу.
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.
Имя файла: Использование-нейронных-сетей-при-планировании-пола-ребенка.pptx
Количество просмотров: 201
Количество скачиваний: 0