Predviđanje broja dolazaka i noćenja turista u RH za 2011.
godinuRajčević LukaSever Nikola
O neuronskim mrežama Vrste neuronskih mreža Predviđanje neuronskim mrežama Zaključak
Sadržaj
Neuronske mreže su sustavi modelirani od procesirajućih elemenata tzv. neurona, po uzoru na mrežu ljudskih moždanih stanica.
Neuroni su povezani komunikacijskim kanalima (vezama)
Važna osobina neuronskih mreža je njihova sposobnost da uče na ograničenom skupu primjera
O neuronskim mrežama
Primjer neuronske mreže: neuroni, veze i slojevi
Postoje dvije vrste neuronskih mreža
◦ Biološke neuronske mreže
◦ Umjetne neuronske mreže
Vrste neuronskih mreža
Puno složenije od umjetnih
Predstavljaju živčani sustav živih bića
Biološke neuronske mreže
Sustav od više jednostavnih procesora (neurona) od kojih svaki ima svoju lokalnu memoriju.
Neuroni su međusobno povezani vezama koje sadržavaju težinske koeficijente
Te veze pohranjuju znanje potrebno za rješavanje određenog problema
Umjetne neuronske reže
Umjetne neuronske mreže mogu se klasificirati na raznovrsne načine
Na osnovu metode učenja:◦ nadziranog (supervised training) ◦ nenadziranog učenja (unsupervised training)
Na osnovu strukture ponovne uporabe informacija:◦ nepovratne (feedforward) ◦ ovratne (feedbackward)
Algoritam mreže "širenje unatrag" bio je presudan za široku komercijalnu upotrebu neuronskih mreža
Njezin prvi kreator bio je Paul Werbos 1974., a proširena je od strane Rumelhart-a, Hinton-a i Williams-a 1986
Bila je to prva neuronska mreža s jednim ili više skrivenih slojeva.
Backpropagation algoritam
U osnovi, ova mreža propagira input kroz mrežu od ulaznog do izlaznog sloja, a zatim određuje grešku i tu grešku propagira unazad sve do ulaznog sloja ugrađujući je u formulu za učenje
Predviđanje broja◦ Dolazaka turista◦ Noćenja turista
za RH za 2011. godinu
Podaci preuzeti od državnog zavoda za statistiku ( Izvješće o turizmu u 2010. g)
Predviđanje neuronskim mrežama
Rb. Naziv varijable Opis
1. godina Godina za koju se gleda broj dolazaka (noćenja).
2. broj dolazaka Broj turističkih dolazaka u RH za određenu godinu.
3. broj noćenja Broj turističkih noćenja u RH za određenu godinu.
Podaci korišteni u istraživanju
Tablica 1: podaci korišteni u istraživanju
Podatke smo obrađivali u alatu JMP i izraženi su u tisućama
Obrada podataka - dolasci
Slika 1: Grafikon broja dolazaka
Broj čvorova
Overfit penalty Rsquare RMSE Broj dolazaka u
tisućama (2011)
3 0,001 0,9564 0,043 11097
3 0,004 0,9369 0,052 11501
4 0,004 0,9412 0,051 11512
4 0,001 0,9606 0,041 11210
5 0,001 0,9606 0,042 11155
5 0,004 0,9412 0,052 11527
6 0,004 0,9411 0,053 11538
6 0,001 0,9606 0,043 11155
7 0,001 0,9606 0,044 11152
7 0,004 0,9412 0,053 11516
15 0,001 0,9606 0,051 11155
Rezultati istraživanja - dolasci
Tablica 2: Rezultati istraživanja - dolasci
Usporedba dobivenih predviđanja i stvarnih vrijednosti – dolasci 1/2
Slika 2: n = 3, overfit = 0.001 Slika 3: n = 4, overfit = 0.001
Usporedba dobivenih predviđanja i stvarnih vrijednosti – dolasci 2/2
Slika 4: n = 5, overfit = 0.001 Slika 5: n = 6, overfit = 0.001
Skalirani prikaz dobivenih rezultata - dolasci
Slika 6: Skalirani prikaz dobivenih rezultata
Obrada podataka - noćenja
Slika 7: Grafikon ukupnih noćenja
Rezultati istraživanja - noćenja
Broj čvorova
Overfit penalty Rsquare RMSE Broj noćenja – u tisućama
(2011)
3 0,001 0,9496 0,052 56000
3 0,004 0,9264 0,063 59151
4 0,004 0,9302 0,062 58876
4 0,001 0,9576 0,048 56623
5 0,001 0,9601 0,047 57799
5 0,004 0,9301 0,063 59097
6 0,004 0,9271 0,065 60515
6 0,001 0,9598 0,048 58052
7 0,001 0,9606 0,049 58818
7 0,004 0,9299 0,066 59244
15 0,001 0,9605 0,057 58820
Tablica 3: Rezultati istraživanja - noćenja
Usporedba dobivenih predviđanja i stvarnih vrijednosti – noćenja 1/2
Slika 8: n = 5, overfit = 0.001 Slika 9: n = 6, overfit = 0.001
Usporedba dobivenih predviđanja i stvarnih vrijednosti – noćenja 2/2
Slika 10: n = 7, overfit = 0.001 Slika 11: n= 15, overfit = 0.001
Skalirani prikaz dobivenih rezultata - noćenja
Slika 12: Skalirani prikaz dobivenih rezultata
Zaključak je da će u 2011. godini biti više noćenja i posjetitelja nego godinu ranije
Problem kod istraživanja: nije bilo moguće trenirati neuronsku mrežu – manje točni rezultati, velika greška
Interpretacija rezultata
Analiziranje neuronskim mrežama je prilično jednostavno
Uz mogućnost treniranja ikorištenja trening uzoraka, rezultati mogu biti besprijekorni
Neuronske mreže imaju jako veliki potencijal i buduće analize će uvelike biti izvođene s neuronsim mrežama
Zaključak
Neural networks, članak dostupan na : http://en.wikipedia.org/wiki/Neural_network
http://www.jmp.com/software/
Povijest neuronskih mreža prevedena sa http://library.thinkquest.org/C007395/tqweb/history.html
Literatura
Top Related