Слайд 2Цель 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 3Задачи, стоящие передо мной в ходе работы:
раскрыть сущность нейросетевых технологий;
обучить
один из нейросимуляторов;
Слайд 4Актуальность 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 7На 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 8X6 - 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 9X10 – 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 10На 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 15Анализ 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 17Несмотря 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 19Из 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 20выводы
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.