Documente Academic
Documente Profesional
Documente Cultură
Prof.coordonator:
Protean Gabriela
An V,Grupa
Electro
2007-2008
CUPRINS
Cap.1 Sisteme Expert i Reele Neuronale
Artificiale3
Cap. 2 Rezolvarea unei probleme utiliznd Sistemele
Expert..4
Cap. 3 Dezvoltarea unei aplicatii utiliznd mediul
Neuroshell 2....6
Cap. 4 Concluzii15
Q1. Cunoasteti metoda de alegere a variantei optime pe baza costului tehnologic unitar?
DANu este necesar sa urmati pasii de mai jos.
NUQ2
Q2.Ati ales volumul productiei ?
DA Q3
NU Va alegeti volumul productiei ca numar de bucati de realizat.
Q3. Exista 2 variante tehnologice?
DAQ4.
NUOptimizarea nu se poate realiza.
Q4.Cunoasteti formula de calcul pentru costul tehnologic unitar?
DAQ5.
NUQ6. In formula Ctu= V+Cc/N cunoasteti semnificatia fiecarui termen?
DAQ5
NUCtu- Cost tehnologic unitar, V- cheltuieli variabile pe unitatea de produs,
Cc-cheltuieli conventional constante, N-volumul productiei
Q5. Cunosteti formula de determinare a cantitatii de productie critica Ncr?
DAQ7.
NUQ8. In formula Ncr=(Cc1-Cc2)/(V2-V1) cunoasteti semnificatia fiecarui termen?
DAQ7.
NU Cc1- cheltuieli conventional constante ale variantei tehnologice 1, Cc2cheltuieli conventional constante ale variantei tehnologice 2, V2- cheltuieli variabile ale
variantei tehnologice 2, V1- cheltuieli variabile ale variantei tehnologice 1.
Q7. Stiti sa alegeti varianta tehnologica optima?
DA Ati ajuns la finalul optimizarii.
NU Daca N>Ncr si Ctu2< Ctu1 rezulta ca varianta tehnologica 2 este cea optima sau
Daca N<Ncr si Ctu1< Ctu2 rezulta ca varianta tehnologica 1 este cea optima.
Datele problemei
o Date de ieire
Datele de iesire vor si valorile bursiere ale firmei obtinute pe baza datelor de intrare.
o Date de intrare
Datele de intrare sunt datele pe baza crora se dorete s se fac predicia. Factorii care
influeneaz nivelul valorii la bursa a unei firme sunt numarul actiunilor emise, pretul
actiunilor,valoarea economica a firmei,etc.. Pentru simplificarea problemei se consider c
factorii cei mai importanti sunt pretul actiunilor si numarul de actiuni emise de catre firma..
Dup ce s-au determinat datele de intrare, de ieire i forma modelului care se va
folosi, se trece la introducerea datelor ce urmeaz a fi compilate.
Introducerea datelor
Numr de actiuni, Pretul actiunii, Valoarea bursiera a firmei. Fiierul astfel rezultat se
salveaz sub numele Carmen.pat.
Pornind tot de la icoana Datagrid, se salveaz o alt list, Carmen.pro, cu aceleai
nume de variabile dar folosind un set de date restrnse, care acoper ntreaga plaj a datelor
deja introduse.
Mediul NeuroShell 2 trebuie informat care dintre coloane sunt intrri i care ieiri. Se
activeaz modulul Define Inputs and Outputs, operaie n urma creia se afieaz toate
numele coloanelor cu caracteristicile aferente acesta. Aici se introduce tipul variabilelor, de
intrare sau ieire, pentru toate coloanele. Se aleg ca variabile de intrare datele din coloanele
Numarul de actiuni, Pretul actiunii, iar ca date de ieire coloana Valoarea bursiera a
firmei.
Tot aici avem de nregistrat valorile de minim i maxim pentru fiecare variabil n
parte. Deoarece pentru reelele neuronale variabilele trebuie determinate ntr+un interval de la
0 la 1 sau de la 1 la 1, reeaua trebuie s cunoasc aceste minime i maxime reale pentru a
8
Acum se poate trece la antrenarea reelei neuronale prin activarea icoanei, Learning.
Cnd modulul de antrenare este activat, este inserat automat numrul de intrri i ieiri, din
fiierul cu extensia .mmx. Acest fiier se creeaz automat la nchiderea csuei Define
Inputs/Outputs. nainte de antrenare, mai trebuie setai parametrii modulului Learning.
Acetia sunt :
Specificarea complexitii problemei prin activarea unei boxe corespunztoare
nivelului de complexitate a problemei. Nivelele disponibile sunt Very simple,
Complex, Complex and very noisy. Pentru modelul de fa am ales Very
simple datorit numrului de variabile redus.
Cnd aceast variant este aleas, factorii Learning rate i Momentum iau valorile
0,6, respectiv 0,9.
Numrul de neuroni ascuni ai reelei
Aici se poate calcula manual cu formula :
1
N ( IN OUT ) N1
2
unde,
N = numrul de neuroni ascuni,
IN = numrul de intrri,
OUT = numrul de ieiri,
N1 = numrul a cte linii de date s-au introdus pentru variabilele modelului.
N
1
( 2 1)
2
200 15,64 16
Statisticile setului de antrenare se reactualizeaz dup fiecare epoc (un pas complet
peste toate datele introduse).
Principala statistic de antrenare este media intern a factorilor de eroare error
factor. Aceast medie a factorilor de eroare nu se poate calcula sau reproduce exact, de ctre
utilizator, din setrile de antrenare i nici nu este util n nici un fel a face aceast operaie.
Aceast valoare este util sau relevant doar pentru a urmri, n timpul antrenrii, cum
performanele reelei se mbuntesc, deci aceast valoare scade.
10
11
SSE
, unde
SSyy
SSE (Y Y )
2
iar SSyy ( y y )
y valoarea actual
^
y - valoarea prezis
12
Examinarea datelor
Dac se dorete evaluarea prediciei imobilizrii n alt mod, aceasta se poate reliza n
mod grafic. n acest caz, se ias din modelul Beginers System i se trece la un alt mod de
lucru Advanced System. Aici de pe coloana numit Post network se selecteaz icoana
Variable Graphs, activndu-se modul grafic.
13
Modelul reelei neuronale apare oscilant urmnd datele lui actuale. Se presupune c
rspunsul reelei nu este destul de bun. n acest caz cel mai uor drum de parcurs, este de a
ncerca o alt arhitectur de reea.
14
Cap.4 CONCLUZII
Cteva soluii de mbuntire a reelei ar fi :
Folosirea calibrrii reelei
Calibrarea realizeaz acest lucru, prin calcularea mediei erorii la ptrat, dintre toate
ieirile actuale i prezise, pentru toate tipririle. (Media erorii la ptrat este statistica medie
standard pentru determinarea celei mai bune rezultante). Calibrarea compileaz ptratul erorii
pentru fiecare ieire introdus, adunndu-le, i apoi calculnd media acestui numr pentru
toate intrrile n setul de teste.
Neuroshell folosete calibrarea pentru a optimiza reeaua, prin aplicarea reelei curente
un set de teste independente n timpul antrenrii. Acest set de date de test se creaz automat
utiliznd modulul Test Set Extract. Prin calibrare se gsete reeaua optim pentru date, n
setul de test, ceea ce nseamn c reeaua este capabil de a generaliza cu succes noile date i
de a returna foarte bune rezultate.
Pentru a folosi calibrarea, trebuie setat cmpul Calibration Test Interval, ceea ce
nseamn ct de des setul de test este evaluat. Prin practic, s-a demonstrat c reelele
neuronale realizeaz bune predicii, dac acest cmp setat cu valori ntre 50 i 200.
Stabilirea de variabile mai eficiente pentru ceea ce se ncearc a se prezice, i/sau
determinarea unor metode mai bune de reprezentare dect cele actuale.
ncercarea de a ajusta rata de nvare, ineria i numrul de neuroni ascuni, pentru
un nou model de antrenare.
15