УДК 004.94

ПРОГНОЗИРОВАНИЕ ЦЕНЫ ЛЕГКОВЫХ АВТОМОБИЛЕЙ С ПОМОЩЬЮ НЕЙРОННЫХ СЕТЕЙ В СРЕДЕ NEURAL NETWORK WIZARD

Ступников Андрей Вадимович1, Баженов Руслан Иванович2
1Приамурский государственный университет имени Шолом-Алейхема, Студент
2Приамурский государственный университет имени Шолом-Алейхема, Кандидат педагогических наук, доцент, заведующий кафедрой информатики и вычислительной техники

Аннотация
Цель данной статьи показать пример, который позволит студенту приобрести необходимые навыки для создания и обучения нейронной сети. Для реализации задачи используется среда Neural Network Wizard.

Ключевые слова: задача прогнозирования, нейронная сеть, нейроны


FORECASTING THE PRICE OF PASSENGER CARS WITH THE HELP OF NEURAL NETWORKS IN THE SOFTWARE NEURAL NETWORK WIZARD

Stupnikov Andrey Vadimovich1, Bazhenov Ruslan Ivanovich2
1Sholom-Aleichem Priamursky State University, Student
2Sholom-Aleichem Priamursky State University, Candidate of pedagogical sciences, associate professor, Head of the Department of Computer Science

Abstract
The aim of this article is to show an example that will allow the student to acquire the necessary skills to build and train the neural network. To implement the task environment is used Neural Network Wizard.

Keywords: neural network, Neural Network Wizard, neurons, the task of forecasting


Библиографическая ссылка на статью:
Ступников А.В., Баженов Р.И. Прогнозирование цены легковых автомобилей с помощью нейронных сетей в среде Neural Network Wizard // Современная техника и технологии. 2015. № 7 [Электронный ресурс]. URL: http://technology.snauka.ru/2015/07/7462 (дата обращения: 27.05.2017).

Искусственные нейронные сети представляют собой математическую модель функционирования сетей нервных клеток человеческого организма. Как и в биологической нейронной сети, основным элементом искусственной нейронной сети является нейрон. Нейроны, соединенные между собой, образуют слои, количество слоёв варьируется в зависимости от сложности нейронной сети и решаемых ею задач.

Целью исследования явяется разработка нейронной сети, позволяющей прогнозировать стоимость автомобиля в Еврейской автономно области. Данные берутся с сайтов Avito.ru и Drom.ru, регион поиска Еврейская автономная область.

Проблему обучения нейронных сетей изучали российские и зарубежные ученые. А.Б.Барский [1] рассмотрел однослойные логические нейронные сети. Построение и обучение нейронной сети для решения задачи прогнозирования погоды при помощи программы Neuroph Studio применила Т.Колесникова [2]. С.Д.Кулик и А.Д.Жижилев [3] использовали нейросетевые технологии на финансовом рынке. Н.С.Костин [4] рассмотрел место модульных нейронных сетей в классификации искусственных нейронных сетей. В.Г.Манжула и Д.С.Федяшов применяли нейронные сети в интеллектуальном анализе данных [5-7]. Моделирование нейронных сетей MATLAB рассмотрели В.С.Медведев и В.Г.Потемкин [8]. Прогнозирование потребления электроэнергии с помощью нейронных сетей показали С.С. Николаев и Ю.АТимошенко [9]. Н.И.Червяков и Э.Е.Тихонов нашли применение нейронных сетей для задач прогнозирования и проблемы идентификации моделей прогнозирования на нейронных сетях [10]. Р.И.Баженов и др. рассматривали использования нейронных сетей в различных областях [11-15]. Учёные из других стран также применяю искусственные нейронные сети в своей научной деятельности [16, 17].

Цель разрабатываемого шаблона, создать нейронную сеть способную прогнозировать цену автомобиля по входным данным. Данную задачу можно выполнить в среде Neural Network Wizard [18].

На первом экране после запуска программы нас просят загрузить заранее подготовленную базу данных (рис. 1).


Рисунок 1 – Окно загрузки базы данных

Базу данных можно создать в любом табличном редакторе, который может импортировать данные в текстовый документ формата *.txt. В данном случае для составления базы данных, была использована программа Microsoft Excel 2013. После успешной загрузки данных появляется окно настройки полей (рис. 2).


Рисунок 2 – Окно настройки полей

В данном окне (рис.2) прозводится настройка параметров полей, таких как тип поля, и нормализации поля. Задаём целевое поле, это поле Цена(Zena).

После настройки полей октрывается окно настройки нейронной сети. В этом окне устанавливаются параметры нейронной сети (рис. 3).


Рисунок 3 – Окно настройки нейронной сети

На данный момент установленны настройки по умолчанию, именно эти настройки отвечают за точность расчётов нашей нейронной сети.

После настройки нейронной сети необходимо задать параметры обучения. Устанавливаем ограничение на время обучения сети, т.к. нейронная сеть может обучаться большое количество времени. Ограничиваем время обучения на 20000 эпох (рис 4).

Рисунок 4. Окно параметров обучения нейронное сети.

После того как настройки обучения завершены, появляется окно проверки заданых параметров. Окно нужно для того чтобы пользователь убедился в то что он задал правильные параметры.

После проверки заданых параметров необходимо начать обучение нейронной сети (рис. 5.)

Рисунок 5 – Окно обучения нейронной сети

Теперь сеть обучена и готова прогнозировать цены. Возьмём готовые данные для проверки. Возьмём автомобиль 1997 года выпуска, с пробегом в 240 тысяч километров, с объёмом двигателя 1.8 литров, с мощью двигателя в 115 лошадинных сил. Прописываем в полях слева необходимые нам четырые параметра для расчёта цены, нажимаем клавишу «Расчёт» и получаем результат (рис. 6).


Рисунок 6. Окно расчётов.

Нейронная сеть рассчитала нам цену данного автомобиля. Цена составляет примерно 210000 рублей. Разница цен около 10000 рублей. Попробуем приблизить точность, изменив настройки нейронной сети. После нескольких попыток расчёт составил цену в 219582 рублей, параметры нейронной сети указаны ниже (рис. 7).

Рисунок 7. Параметры нейронные сети после тщательной настройки.

Зададим новые существующие данные и посмотрим на сколько точно нейронная сеть произведёт расчёт. Возьмём автомобиль 2005 года выпуска, с пробегом в 110 тысяч километров, с объёмом двигателя 1.3 литров, с мощью двигателя в 87 лошадинных сил (рис. 8).


Рисунок 8 -Цена автомобиля с новыми параметрами

Цена близка к настоящей, следовательно можно следать вывод, что данная нейронная сеть может прогнозировать цены легковых автомобилей.

Данная работа знакомит с созданием нейронной сети, и её обучением для выполнения поставленных задач и может в дальнейшем использоваться студентами для создания более сложных, по своей структуре и задаче, нейронных сетей в различных курсах [19, 20].


Библиографический список
  1. Барский А. Б. Нейроинформатика. Однослойные логические нейронные сети. М.: МИИТ, 2008. 208 с.
  2. Колесникова Т. Построение и обучение нейронной сети для решения задачи прогнозирования погоды при помощи программы Neuroph Studio // Компоненты и технологии. 2014. №7 (156). С. 129-132.
  3. Кулик С. Д, Жижилев А. Д. Нейросетевые технологии на финансовом рынке // Нейрокомпьютеры: разработка, применение. 2009. №4. С. 59-78.
  4. Костин Н.С. Место модульных нейронных сетей в классификации искусственных нейронных сетей // Интеллектуальный потенциал XXI века: ступени познания. 2013. №19. С. 91-95.
  5. Манжула В.Г., Федяшов Д.С. Нейронные сети Кохонена и нечеткие нейронные сети в интеллектуальном анализе данных // Фундаментальные исследования. 2011. № 4. С. 108-114.
  6. Манжула В.Г. Оценка интегральной избыточности в процессе синтеза микроэлектронных систем // Современные проблемы науки и образования. 2011. № 4. С. 33.
  7. Манжула В.Г. Информационная поддержка синтеза схемотехнически интегрированных принципиальных электрических схем // Научно-технические ведомости Санкт-Петербургского государственного политехнического университета. Информатика. Телекоммуникации. Управление. 2012. Т. 2. № 145. С. 144-150.
  8. Медведев В. С., Потемкин В. Г. Нейронные сети. MATLAB 6. М.: ДИАЛОГ-МИФИ, 2001. 630 с.
  9. Николаев С.С., Тимошенко Ю.А. Прогнозирование потребления электроэнергии с помощью нейронных сетей // Системні дослідження та інформаційні технології. 2014. №4. С. 75-86.
  10. Никифоров И. К. Нейросетевые технологии. Искусственные нейронные сети. Чебоксары: Издательство Чувашского университета, 2008. 263 с.
  11. Червяков Н. И., Тихонов Э. Е. Применение нейронных сетей для задач прогнозирования и проблемы идентификации моделей прогнозирования на нейронных сетях // Нейрокомпьютеры: разработка, применение. 2003. №10-11. С. 25-31.
  12. Баженов Р.И. Интеллектуальные информационные технологии. Биробиджан: ПГУ им. Шолом-Алейхема, 2011. 176 с.
  13. Баженов Р.И. Информационная безопасность и защита информации: практикум. Биробиджан: Изд-во ГОУВПО «ДВГСГА», 2011. 140 с.
  14. Николаев С.В., Баженов Р.И. Распознавание образов с помощью нейронных сетей в среде MATLABR2009B // Nauka-Rastudent.ru. 2015. № 1 (13). С. 44.
  15. Баженов Р.И., Лопатин Д.К. О применении современных технологий в разработке интеллектуальных систем // Журнал научных публикаций аспирантов и докторантов. 2014. № 3 (93). С. 263-264.
  16. Awadalla M. H. A., Ismaeil I. I., Sadek M. A. Spiking neural network-based control chart pattern recognition //Journal of Engineering and Technology Research. 2011. Т. 3. №. 1. С. 5-15.
  17. Dede G., Sazli M. H. Speech recognition with artificial neural networks // Digital Signal Processing. 2010. Т. 20. №. 3. С. 763-768
  18. Neural Network Wizard // BaseGroup Labs URL: http://www.basegroup.ru/download/demoprg/nnw/ (дата обращения: 20.06.2015).
  19. Баженов Р.И. Проектирование методики обучения дисциплины «Информационные технологии в менеджменте» // Современная педагогика. 2014. № 8 (21). С. 24-31.
  20. Баженов Р.И. Проектирование методики обучения дисциплины «Интеллектуальные системы и технологии» // Современные научные исследования и инновации. 2014. № 5-2 (37). С. 48.


Все статьи автора «Баженов Руслан Иванович»


© Если вы обнаружили нарушение авторских или смежных прав, пожалуйста, незамедлительно сообщите нам об этом по электронной почте или через форму обратной связи.

Связь с автором (комментарии/рецензии к статье)

Оставить комментарий

Вы должны авторизоваться, чтобы оставить комментарий.

Если Вы еще не зарегистрированы на сайте, то Вам необходимо зарегистрироваться: