Скачать 297.11 Kb.
|
3.7. Распознавание отсканированного текста. Операция распознавания отсканированного текста является наиболее популярной из всех возможных «нейросетевых операций». Ее используют очень многие: от обыкновенных школьников (которые, например, хотят отсканировать текст и поместить его в реферат) до высших начальников фирм, которым необходимо перевести в электронный вид, к примеру, банковские соглашения. Принцип распознавание напечатанного текста заключается в следующем: определен язык текста, который будет распознаваться, компьютер имеет образ каждой буквы, (к примеру, одной из 66 в русском алфавите – заглавные и строчные), далее сопоставляет и, используя встроенный словарь, выдает полученный текст. Сейчас наиболее мощными таким программами являются ABBYY FineReader и встроенный инструмент Google Docs. В лучших OCR-системах используется технология распознавания, схожая с человеческим: многоступенчатая.: распознавание отдельных букв, распознавание слова в целом, распознавания предложения в целом. Сейчас ученые собираются научить компьютер распознавать рукописный текст. Не вижу смысла пояснять необходимость этой операции. Однако сделать это намного сложнее, поскольку у каждого человека свой почерк. Однако, программисты утверждают, что она будет непременно работать и не будет требовать длительного обучения, а будет обучаться практически на ходу 4. Программный пример [7] 4.1. Прогнозирование изменения цен USD/RUR [6] В настоящее время многие люди зарабатывают, торгуя валютой: т.е. рассчитывают, в какую валюту лучше вложить средства, как будет прибыльней. Люди давно пытаются найти зависимости движения курса валюты. Эту проблему может помочь решить нейронные сети. На сайте Банка России есть раздел с историей официального курса валют за определенный период. Я взял курс доллара с 1.01.2000 по 02.02.2013. Далее построил график. Поскольку моя цель – попытаться спрогнозировать дальнейшее движение валюты, я решил, что Стоимость доллара [D] = f (дня) Это сложная функция, которая в некотором отношении периодична, а некоторые зависимости которой могут быть раскрыты при помощи искусственной нейронной сети. Для обучения нейронной сети в качестве входных данных я использовал номер дня (последовательно, начиная с 1 января 2000). Единственное условие – Банк России не задает курс на выходные, но для простоты расчетов я не стал пропускать номера дней. У меня получилось 3260 дней. А в качестве выходных данных – курс. Архитектура используемой нейронной сети — многослойный перцептрон с одним скрытым слоем. В качестве алгоритма обучения использую алгоритм L-BFGS. [3] После длительного (около 180 минут) обучения, система проанализировала все данные и была готова к работе. Я решил спрогнозировать курс валют на последующие 10 дней, задав во входящих значениях №№ 3261 – 3271. Далее получаю целевые данные и предоставляю их в виде графика. Оказалось, что курс валют был спрогнозирован достаточно точно. (как выяснилось впоследствии). Общая тенденция движения валюты была выявлена абсолютно верно. Для повышения точности можно в дальнейшем изменить архитектуру сети на более подходящую или продолжить тренировать (обучать) сеть. 4.2. Оценка стоимости недвижимости. Рынок недвижимости – это один из самых сложных рынков. Цена на недвижимость зависит не от одного параметра и не от двух, а от нескольких десятков. Основным методом оценки жилой недвижимости
Для того чтобы «заставить» Нейронную сеть анализировать все эти данные и искать в них сложные зависимости, необходимо для каждого критерия выбрать числовую единицу. Я их обозначил в квадратных скобках напротив критерия. Следующим шагом было сделать таблицу с параметрами квартир. Используя аналитический центр (ресурс) Яндекс.Недвижимость, я составил таблицу из 90 элементов, которая включала в себя основные параметры квартиры и цену. Я выбрал «радиальную базисную функцию» для анализа данных, 4000 эпох для обучения как сеть, предназначенная для поиска сложных зависимостей и предназначенная для выдачи точного конкретного результата. В качестве входных данных я использовал 70 элементов таблицы использовал для первичного обучения, 20 – для финального (завершающего) этапа обучения. После окончания обучения, я проверяю качество и выбираю случайным образом на аналитическом ресурсе «Яндекс.Недвижимость» несколько квартир. Далее оцениваю их с помощью построенной и обучнной нейросети.
По таблице видно, что по тенденция цены на квартиру в зависимости от типа определена верно, но не достаточно точна. Скорей всего это связано с непродолжительным обучением. (В отличие от первого примера). 5. Недостатки использования нейросетей. Главным недостатком использования нейронной сети является сложность их эксплуатации и то, что нейросети в любом случае имеют некоторую погрешность. При обучении простым алгоритмам эта доля ошибки ничтожно мала. В то же время при обучении сложным алгоритмам, доля ошибки значительно выше. Главной особенностью нейронной сети является ее способность к обучению. Таким образом, с каждым следующим разом доля ошибки будет падать. Заключение Искусственные нейронные сети являются весьма перспективным и очень мощным аналитическим инструментом. Результатом их внедрения повсеместно станут:
Созданная мною нейронная сеть смогла достаточно очно спрогнозировать движение валюты, а также рассчитать стоимость квартиры, которые я предложил для анализа. Нейронные сети – это принципиально новый инструмент. Как я говорил ранее, одной из основных особенностей нейронных сетей является поиск сложных зависимостей и взаимосвязей. Таким образом эта система незаменима хотя бы для дублирования, чтобы проверять человека, чтобы не было сильных ошибок. (как с компанией Lays – неправильный расчет количества и цены товара.) Цель и задачи, которые я поставил для своей работы, я достиг:
В дальнейшем я собираюсь продолжить работу над данной темой: повысить точность расчета стоимости квартиры, увеличив количество факторов и обучив сеть. Далее интересно было бы взять еще какой-нибудь практический пример, который намного сложней и, соответственно, интересней. Список литературы
|
Департамент Образования города Москвы Московская городская научно-практическая... Нейронные сети. Их применение, роль и значимость в современной и будущей экономике | Комаровой Марии «Нейронные сети и искусственный интеллект» Реферат «Нейронные сети и искусственный интеллект» состоит из двух частей, введения и заключения | ||
Искусственные Нейронные Сети (инс) бурно развивающееся направление... Актуальность исследований в этом направлении подтверждается массой различных применений нс. Это автоматизация процессов | Российской федерации Целями освоения дисциплины (модуля) является изучение исторически различных теорий конкуренции, а также ее развитие в современной... | ||
Исследовательская работа Ресторанный бизнес: менеджмент и маркетинг Место и роль предприятий ресторанного бизнеса в современной экономике | Нейронные сети: основы теории / А. И. Галушкин. М. Горячая линия... | ||
Рабочая программа учебной дисциплины «история» России, умения определять место и роль будущей профессиональной деятельности в истории страны и мира, ее значимость; выработка навыков... | «Московская городская педагогическая гимназия-лаборатория» реферат... В своём реферате, я хочу изучить строение и принцип работы нейронных сетей, процесс их обучения | ||
Курсовая работа по дисциплине: «Экономическая теория» на тему: «Государственное... Роль государственного регулирования в современной экономике. Структура финансового рынка 3 | Темы рефератов по мировой политике Тенденции в современной мировой экономике (роль вто, мвф, вб), Плюсы и минусы вступления России в вто | ||
Реферат Нейронные сети Нейроны и его составляющие части (аксон, синапс). Виды нейронов (рецепторы, моторецепторы, передающие нейроны). Тормозящий и возбуждающий... | Правительство Российской Федерации Федеральное государственное автономное... Роль Китая в современной мировой экономике. Место постсоветского пространства в региональной экономической стратегии Китая. 7 | ||
Аннотации программ учебных дисциплин и профессиональных модулей Ок понимать сущность и социальную значимость своей будущей профессии, проявлять к ней устойчивый интерес | Исторический очерк развития микробиологии. Роль микроорганизмов в... Учебная программа Санитария и гигиена парикмахерских услуг является специальной дисциплиной, устанавливающей базовые знания для получения... | ||
Домашнее задание по химии ноябрь –декабрь 2013 г. Учитель Леонова Н. А Рефераты на выбор: «Соединения щелочных и щелочно-земельных металлов и их применение», «Соединения алюминия, их применение», «Соединения... | Рабочей учебной программы дисциплины «Иностранный язык» Направление подготовки Понимать сущность и социальную значимость своей будущей профессии, проявлять к ней устойчивый интерес |