Essays.club - Получите бесплатные рефераты, курсовые работы и научные статьи
Поиск

Задача классификации рукописных цифр на примере набора данных MNIST

Автор:   •  Май 8, 2023  •  Лабораторная работа  •  1,953 Слов (8 Страниц)  •  178 Просмотры

Страница 1 из 8

МИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ

федеральное государственное автономное образовательное учреждение высшего образования

 «САНКТ-ПЕТЕРБУРГСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ
АЭРОКОСМИЧЕСКОГО ПРИБОРОСТРОЕНИЯ»

ИНСТИТУТ НЕПРЕРЫВНОГО И ДИСТАНЦИОННОГО ОБРАЗОВАНИЯ

Кафедра проблемно-ориентированных вычислительных комплексов

ОТЧЕТ

ЗАЩИЩЕН С ОЦЕНКОЙ                                        

ПРЕПОДАВАТЕЛЬ

должность, уч. степень, звание

подпись, дата

инициалы, фамилия

ОТЧЕТ О ЛАБОРАТОРНОЙ РАБОТЕ № 1

Задача классификации рукописных цифр на примере набора данных MNIST

по курсу:

СОВРЕМЕННЫЕ ТЕХНОЛОГИИ РАЗРАБОТКИ ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ

РАБОТУ ВЫПОЛНИЛ

СТУДЕНТ  ГР. №

номер группы

подпись, дата

инициалы, фамилия

Студенческий билет №

Санкт-Петербург

2022

Цель работы: решить задачу классификации изображений рукописных цифр в упрощенном варианте - для трех разных рукописных цифр.

Таблица 1. Варианты заданий

№ Варианта

Перечень распознаваемых рукописных цифр

Фамилия И.О

1

1

3

5

Богатырев Д.В

Создадим выборку обучающих и тестовых примеров:

[pic 1]

Рисунок 1 - Визуализация тестового набора

[pic 2]

Рисунок 2 – Визуализация тренировочного набора

Загрузим тестовые файлы и алгоритм нейронной сети на Google Disk

[pic 3]

Рисунок 3 – Файлы на Google Drive

Поменяем пути в файле

[pic 4]

Рисунок 4 – Путь к тренировочному файлу

Выполним все алгоритмы и получим первые результаты

. [pic 5]

Рисунок 5 – Определенные неправильные ответы

Как видно из рисунка 5 неправильных ответов крайне мало. Всего один раз нейросеть приняла тройку за единицу.  Проверим коэффициент правильных ответов:

[pic 6]

Рисунок 6 - Коэффициент правильных ответов

Коэффициент равняется 0,96. Этот результат близок к идеальному, поэтому дальнейшее обучение не требуется.

Построим график ошибки обучения для нашей нейронной сети. Для этого необходимо изменить код программы добавив в него возможность отображения графиков. Добавим в функцию train возврат ошибок и создадим пустой массив error_epochs в который будем передавать точки для нашего графика.

[pic 7]

Рисунок 7 - Код для отображения графика

[pic 8]

Рисунок 8 – График ошибок

Из данного графика видно, что с количеством пройденных эпох обучения, количество ошибок уменьшается.

ВЫВОД

В ходе выполнения лабораторной работы была произведена тренировка нейросети на обучающем наборе данных. После обучения в нейросеть были загружены тестовые данные. Нейросеть проверку прошла успешно и ошиблась всего один раз. Коэффициент правильных ответов составил 0.96.

Листинг 1 – Листинг программы

# Load the Drive helper and mount

from google.colab import drive

# This will prompt for authorization.

drive.mount('/content/drive')

# Создание двуслойной нейронной сети

# для обучения с помощью набора MNIST.

# пример из книги "Создаем нейронную сеть"

# (c) Tariq Rashid, 2016

import numpy

# библиотека scipy.special содержит сигмоиду - expit ()

import scipy.special

# библиотека для графического отображения массивов import 

import matplotlib.pyplot

# размещение графики в данном блокноте, а не в отдельном окне

...

Скачать:   txt (16.5 Kb)   pdf (317.8 Kb)   docx (214.2 Kb)  
Продолжить читать еще 7 страниц(ы) »
Доступно только на Essays.club