Огляд та аналіз одного з підходів до навчання до навчання моделі нейронної мережі

Автор(и)

  • О. Бондар КПІ ім. Ігоря Сікорського, Україна
  • O. Лісовиченко КПІ ім. Ігоря Сікорського, Україна

DOI:

https://doi.org/10.20535/1560-8956.37.2020.226815

Ключові слова:

штучна нейронна мережа, машинне навчання, глибинне навчання, прогнозування, мережі прямого поширення, перцептрон, багатошаровий перцептрон

Анотація

У статті проведений огляд та аналіз одного з підходів до навчання моделі нейронної мережі. Створено список вимог до навчання моделі. У якості архітектури нейронної сітки розглянуто мережі прямого поширення (перцептрон та багатошаровий перцептрон) та обрано багатошаровий перцептрон. Вхідними даними для навчання та тестування моделі були відомості з ринку електричної енергії протягом одного року.  Описано кожен етап побудови та навчання моделі, яка слугуватиме для прогнозування даних. Навчена модель протестована за допомогою визначення середньої абсолютної помилки у відсотках (MAPE). Побудовано графіки та таблиці, які показують залежність точності моделі від параметрів та вхідних даних при навчанні. Отримані результати можна використовувати для практичного застосування, зокрема для прогнозування економічних показників.

Бібл. 9, іл. 10, табл. 1.

Посилання

Neurotechnologies and neurocomputer systems: textbook. Yampolskyi L. S., Lisovichenko O.I., Oliynyk V.V. Kyiv: Dorado-Druk, 2016. 576 p. (Ukr.)

Feedforward Neural Networks and Multilayer Perceptrons. URL: https://boostedml.com/2020/04/feedforward-neural-networks-and-multilayer-perceptrons.html (date of use: 26.11.2020)

Perceptrons and Multi-Layer Perceptrons: The Artificial Neuron at the Core of Deep Learning. URL: https://missinglink.ai/guides/neural-network-concepts/perceptrons-and-multi-layerperceptrons-the-artificial-neuron-at-the-core-of-deep-learning/ (date of use: 26.11.2020)

Multilayer perceptron. URL: https://wiki.loginom.ru/articles/multilayered-perceptron.html (date of use: 27.11.2020) (Rus.)

MLPRegressor URL: https://scikit-learn.org/stable/modules/generated/sklearn.neural_network.MLPRegressor.html (date of use: 27.11.2020)

Neural Architecture search: A Survey URL: https://www.jmlr.org/papers/volume20/18-598/18-598.pdf (date of use: 28.11.2020)

Random Search for Hyper-Parameter Optimization. URL: https://www.jmlr.org/papers/volume13/bergstra12a/bergstra12a.pdf (date of use: 28.11.2020)

Limited-Memory Broyden-Fletcher-Goldfarb-Shanno. URL: https://software.intel.com/sites/products/documentation/doclib/daal/daal-user-and-reference-guides/daal_prog_guide/GUID-254D0216-3379-4733-95CA-138009F24A04.htm (date of use: 02.12.2020)

Basic estimates of the accuracy of time series forecasting. URL: https://www.mbureau.ru/ blog/osnovnye-ocenki-tochnosti-prognozirovaniya-vremennyh-ryadov (date of use: 05.12.2020) (Rus.)

##submission.downloads##

Опубліковано

2021-05-31