PPt4Web Хостинг презентаций

Главная / Биология / Использование нейронных сетей при прогнозировании видовой принадлежности деревьев
X Код для использования на сайте:

Скопируйте этот код и вставьте его на свой сайт

X

Чтобы скачать данную презентацию, порекомендуйте, пожалуйста, её своим друзьям в любой соц. сети.

После чего скачивание начнётся автоматически!

Кнопки:

Презентация на тему: Использование нейронных сетей при прогнозировании видовой принадлежности деревьев


Скачать эту презентацию

Презентация на тему: Использование нейронных сетей при прогнозировании видовой принадлежности деревьев


Скачать эту презентацию



№ слайда 1 Использование нейронных сетей при прогнозировании видовой принадлежности деревье
Описание слайда:

Использование нейронных сетей при прогнозировании видовой принадлежности деревьев

№ слайда 2 Цель работы:посмотреть, обучится ли нейросеть при определении видовой принадлежн
Описание слайда:

Цель работы:посмотреть, обучится ли нейросеть при определении видовой принадлежности деревьев;насколько точны будут результаты обучающей выборки.проверить сможет ли нейросеть определить вид дерева по неизвестным ей параметрам.

№ слайда 3 Многослойная нейронная сетьКак и человеческий мозг, нейросеть состоит из множест
Описание слайда:

Многослойная нейронная сетьКак и человеческий мозг, нейросеть состоит из множества простейших элементов — нейронов, взаимодействующих друг с другом. Именно их совокупность обеспечивает уникальность свойств нейронных сетей, таких как способность к обобщению, работа с зашумленными и неполными данными и др.Среди всего разнообразия архитектур нейронных сетей наибольшее распространение получили многослойные.

№ слайда 4 В такой архитектуре нейроны объединены в так называемые слои. Под слоем понимает
Описание слайда:

В такой архитектуре нейроны объединены в так называемые слои. Под слоем понимается совокупность нейронов, входы которых соединены с выходами нейронов предыдущего слоя, а в свою очередь, выходы нейронов этого слоя являются входами для следующего слоя.Обычно слоистые сети являются полно связанными, то есть входы каждого нейрона слоя связаны со всеми выходами нейронов предыдущего слоя.

№ слайда 5 Нейросимулятор 1.0.В своей работе я использовала готовый нейросимулятор:
Описание слайда:

Нейросимулятор 1.0.В своей работе я использовала готовый нейросимулятор:

№ слайда 6 Обучение На вход подавались следующие статистические данные:1. Группа 1) листвен
Описание слайда:

Обучение На вход подавались следующие статистические данные:1. Группа 1) лиственные; 2) хвойные.2. Высота3. Крона 1) колоновидная; 2) конусообразная; 3) зонтообразная; 4) шарообразная; 5) флагообразная; 6) вислая; 7) раскидистая.

№ слайда 7 4. Лист и игла 1)иглы мелкие, частые на одной прямой; 2)иглы длинные, по 5 штук
Описание слайда:

4. Лист и игла 1)иглы мелкие, частые на одной прямой; 2)иглы длинные, по 5 штук в пучке; 3)иглы средние по две в пучке; 4)иглы средние; 5)лист большой пятиугольный; 6)лист фигурный средний; 7)лист узкий, длинный, большой; 8)лист узкий, маленький; 9)лист не правильной формы; 10)лист простой.

№ слайда 8 5. Плод 1) шишка; 2) желудь; 3) орех; 4) ягода; 5) яблоко; 6) кисть.6. Кора. 1)
Описание слайда:

5. Плод 1) шишка; 2) желудь; 3) орех; 4) ягода; 5) яблоко; 6) кисть.6. Кора. 1) гладкая; 2) шершавая; 3) грубая; 4) грубая с наростами.Обучающая выборка представлена на следующем слайде:

№ слайда 9
Описание слайда:

№ слайда 10 Результаты обучения
Описание слайда:

Результаты обучения

№ слайда 11 При обучении данным методом обратного распространения ошибки, выдались наиболее
Описание слайда:

При обучении данным методом обратного распространения ошибки, выдались наиболее близкие к практическим результаты. Хотя некоторые модели деревьев, например, береза, ольха и рябина выдаются неточно.Теперь посмотрим, сможет ли нейросимулятор выдать модель дерева на неизвестные ему параметры

№ слайда 12 Данные тестируемой выборки:
Описание слайда:

Данные тестируемой выборки:

№ слайда 13 Результаты обучения
Описание слайда:

Результаты обучения

№ слайда 14 Зависимости погрешности обучения и погрешности обобщения от числа нейронов внутр
Описание слайда:

Зависимости погрешности обучения и погрешности обобщения от числа нейронов внутренних слоев персептрона.

№ слайда 15 РезультатыПри проверке на тестируемых данных, результаты оказались хуже. Из пяти
Описание слайда:

РезультатыПри проверке на тестируемых данных, результаты оказались хуже. Из пяти введенных моделей нейросимулятор смог определить только 1. Это можно объяснить тем, что данные, которые мы вводили, не совпадают с точными значениями деревьев. Но для работы с уже известными параметрами деревьев нейросимулятор вполне подходит, его можно использовать биологам и экологам, занятым в этой области для ускорения работы. А также обычным людям в качестве определителя деревьев.

№ слайда 16 Работу выполнила: студентка гр. 1233Коркодинова Е.П.
Описание слайда:

Работу выполнила: студентка гр. 1233Коркодинова Е.П.

Скачать эту презентацию


Презентации по предмету
Презентации из категории
Лучшее на fresher.ru