Laboratorium Podstaw Sztucznej

Politechnika Warszawska
Inteligencji

rok studiów: IV semestr: VIII Klasyfikacja jako umiejętność

rozpoznawania płci ankietowanej
AIK 1 osoby testem psychologicznym
1. Bartłomiej Krawczyk Data: Ocena:
2. Łukasz Żołek 1.03.2006

1. Cel ćwiczenia

Celem ćwiczenia było nauczenie sieci neuronowej klasyfikacji płci

ankietowanych osób na podstawie ich odpowiedzi.

2. Przebieg ćwiczenia

W celu łatwiejszego porównywania wyników naszych badań, staraliśmy się

za każdym razem kończyć naukę naszej sieci po 37 epokach. Sprawdziliśmy
jednak również wartość błędu po większej ilości epok (próba nr 7 – 195 epok).
Procent poprawnych odpowiedzi wyniósł w tym wypadku 59,32% i był
mniejszy od próby z krótszą nauką. Wynikać może to z tego że sieć została
przetrenowana.
By osiągnąć jak najlepszy wynik poprawnych odpowiedzi mogliśmy
zmieniać następujące parametry sieci:
― Liczbę neuronów w pierwszej warstwie ukrytej
Wraz ze wzrostem liczby neuronów w tej warstwie procent poprawnych
odpowiedzi rósł. Poniższy wykres przedstawia tą zależność.
Procent poprawnych odpowiedzi

67,00%
66,00%
65,00%
64,00%
63,00%
62,00%
61,00%
60,00%
10 50 100
Liczba neuronów w 1 warstwie ukrytej

Procent poprawnych odpowiedzi

― Liczbę neuronów w drugiej warstwie ukrytej
W tym przypadku zwiększając liczbę neutronów w warstwie ukrytej nie
zauważyliśmy jakiegoś oczywistego wpływu na wartość błędu ponieważ, przy
zwiększeniu liczby neutronów z 10 do 50 (próba nr 5) procent poprawnych
odpowiedzi wzrósł, natomiast przy kolejnym zwiększaniu do 80 neutronów
(próba nr 6) wartość ta zmalała.
― Mieszanie wzorców (z lub bez)
Parametr ten ma w bardzo małym stopniu wpływa na wartość poprawnych
odpowiedzi. Przeprowadzając dwie symulacje różniące się tylko włączoną bądź
wyłączoną opcją mieszania wzorców (próby nr 7 i 8) zanotowaliśmy różnicę
1,7%, przy czym lepszy wynik był przy wyłączonej opcji mieszania wzorców.
― Współczynnik uczenia
Przy zmniejszaniu tego współczynnika z wartości 0,9 do wartości 0,34 (próby
nr 2 i 12) nie zanotowaliśmy zmiany „ilości” poprawnych odpowiedzi.
― Bias
Parametr ten nie wpływa w widoczny sposób na jakość sieci.
― Częstość testowania
Zmiana i tego parametru nie wpłynęła na poprawę właściwości naszej sieci
neuronowej. Wnioskujemy więc że parametr ten nie ma większego znaczenia
dla jej jakości.

Najlepszy wynik uzyskaliśmy w próbie numer 4. Zastosowaliśmy tam dużą

liczbę neuronów w pierwszej warstwie ukrytej (100). Procent poprawnych
odpowiedzi wyniósł 66,1%. W tej próbie uzyskaliśmy również prawie
największą liczbę wzorców testowych poza tolerancją (23). Natomiast
w najgorszej próbie, gdzie procent poprawnych odpowiedzi wyniósł 59,32%
uzyskaliśmy 17 wzorców poza tolerancją. Jednak mógł to być wynik znacznie
dłuższego czasu nauki sieci.