Нейронный сети. Эволюция. Каниа Алексеевич Кан

выполнении кода, результат визуализации окажется следующим:

      Исходники с программами вы можете найти по ссылке: https://github.com/CaniaCan/neuralmaster

      Перед тем как описать полученный результат, сперва опишем работу нашего кода пакета matplotlib.

      В функциях отображения входных данных – def func_data(x_data), def func_data(x_begin), def func_data(x), возвращаем координаты y, в соответствии со своими значениями по х.

      Зададим имена графику – plt.title(), и числовым координатам – plt.xlabel():

      plt.title("Neuron")

      plt.xlabel("X")

      plt.ylabel("Y")

      Зададим имена входным данным и прямым – plt.plot(), в скобках укажем имя и цвет, plt.legend(loc=2) – определяет нахождение данных имен на плоскости:

      plt.plot(x,y, label='Входные данные', color = 'g')

      plt.plot(x,y, label='Готовая прямая', color = 'r')

      plt.plot(x,y, label='Начальная прямая', color = 'b')

      plt.legend(loc=2) #loc – локация имени, 2 – справа в углу

      Метод scatter выводит на плоскость точки с заданными координатами:

      plt.scatter(x_data, y_data, color ='g', s=10)

      Метод plot выводит на плоскость прямую по заданным точкам:

      plt.plot(x, y, 'r')

      Ну и наконец отображаем все что натворили, командой plt.show().

      Теперь разберем получившийся график. Синим – отмечена начальная прямая, которая изначально не выполняла никакой классификации. После обучения, значение коэффициента A, стабилизируется возле числа = 2.05. Если провести прямую функции y = Ax = 2.05*x, отмеченной красным на графике, то получим значения близкие к нашим входным данным (на графике – зеленые точки).

      А что если, наш обученный нейрон смог бы правильно отвечать на вводимые пользователем данные? Если задать условие, что всё что выше красной линии относится к виду – жирафов, а ниже к виду – крокодилов:

      x = input("Введите значение ширины Х: ")

      x = int(x)

      T = input("Введите значение высоты Y: ")

      T = int(T)

      y = A * x

      # Условие

      if T > y:

      print('Это жираф!')

      else:

      print('Это крокодил!')

      Функция input – принимает значение, вводимое пользователем. А условие гласит: если целевое значение (вводимое пользователем) больше ответа на выходе нейрона (выше красной линии), то сообщаем что – это жираф, иначе сообщаем что – это крокодил.

      После ввода наших значений, получаем ответ:

      Введите значение ширины Х: 4

      Введите значение высоты Y: 15

      Это жираф!

      Теперь мы можем поздравить себя! Вся наша работа стала сводиться к тому, чтоб просто подавать на вход нейрона данные, не разбираясь в них самостоятельно. Нейрон сам классифицирует их и даст правильный ответ.

      Если бы наши действия на работе сводились к подобным классификациям, то у нас появилась бы куча времени на кофе, очень важных общений в социальных сетях, и даже останется время, чтоб разложить пасьянс. И при всем этом можно выполнять ещё больший объём работы, что конечно же должно вознаграждаться премиальными и повышением зарплаты.

      ГЛАВА 4

      Добавляем входной параметр

      Теперь представим, что нам приходит новое задание. Где, проанализировав самостоятельно данные, мы видим, что их координаты значительно отличаются от прежних. Теперь провести классифицирующую прямую, обладая в своем арсенале лишь коэффициентом крутизны – не выйдет!

      Очевидно, что