NERONSKE MREŽE
PREDVIĐANJE SUNČEVIH VJETROVA
Ova neuronska mreža bavi se problemom predviđanja. Na temelju 10 ulaznih varijabli predviđa 3 izlazne varijable.
Izlazne varijable su određene regijama na Suncu koje u slijedeća 24 sata pokazaju aktivnost na Suncu, tj.Sunčeve vjetrove (ovisno o aktivnosti,varijable su od 0-4) . Na temelju ulaznih varijabli mreža predviđa za svaku izlaznu varijablu kakva će biti aktivnost na Suncu.
Ulazne varijable:
1.Kod klase
2.Kod za najveću pjegu
3.Kod za podjelu pjega
4.Aktivnost
5.Evolucija
6.Kod za aktivnost u preth.24h
7.Povijesno-komplesna
8.Upitnost povijesne kompleksnosti
9.Područje
10.Područje najveće pjege
Za detaljni pregled ulaznih varijabli i njihovo značenje pogledati ovdje,kao i ukupan uzorak podataka.
Podatke smo našli na internetu na stranici http://www.ics.uci.edu/~mlearn/MLSummary.html a datoteku je donirao Gary Bradshaw. Za kreiranje mreže smo koristili 323 uzorka,pri čemu smo napravili slučajno miješanje podataka. 60% koristili smo za treniranje,20% za unakrsnu validaciju i 20% za testiranje.
Koristili smo NM algoritam Multi-layer perceptron. Taj algoritam je višeslojan, a učenje u njemu je nadgledano, što nam je puno pomoglo u izgradnji najbolje mreže.
Pri dizajniranju mreže mijenjali smo različite parametre i funkcije,povećavali smo složenost mreže na veći broj slojeva kako bismo dobili najbolje rezultate.
Napravili smo ukupno 21 mrežu,u donjoj tablici pogledati najgoru(Mreža6) i najbolju mrežu(Mreža21).Cijela mreža i odabir parametara i funkcija se može pogledati ovdje.
|
Rb |
Broj skrive-nih slojeva (hidden layers) |
broj skrivenih neurona (# Hidden PE) |
max. broj epoha za učenje (Epoch) |
Prijenosna funkcija u skrivenom i izlaznom sloju
(Transfer) |
Pravilo učenja (Learning Rule) |
Momentum |
TRAIN rezultati |
TEST rezultati |
|
|
Najniža greška (MSE) |
Najniža greška (MSE) |
Najniža normalizirana greška (NMSE) |
|||||||
|
6 |
1 |
4 |
1000 |
TanhAxon,LinearSigmoidAxon |
Delta-Bar-Delta |
- |
0,009672152 |
0,116875252 |
1,246689835 |
|
21 |
2 |
4 |
2000 |
TanhAxon,LinearSigmoidAxon |
Delta-Bar-Delta |
- |
0,007169694 |
0,093495451 |
1,059561403 |
Mreža6 dala je najgore rezultate(najniža greška iznosi 0.116875252) ,dok je Mreža21 dala najbolje.Pretpostavljamo da je rezultat tako loših rezultata Mreže6 u postavljanju 1 sloja i 1000 iteracija, jer se od najbolje mreže razlikuje jedino u tome.
Mreža21 dala je najbolji rezultat,kao što se može vidjeti u gornjoj tablici. Nadalje,dostupni su i rezultati najbolje mreže nakon faze treniranja i testiranja.
Analizom signifikantnosti ulaznih varijabli,primjetili smo da najveći utjecaj imaju varijable koje određuju povijesnu kompleksnost Sunčevih pjega te da li je bilo aktivnosti u prethodna 24h.Najmanji utjecaj ima ulazna varijabla koja određuje kod klase.
Ø Signifikantnost varijabli Mreže21
S obzirom na malu grešku izlaznih varijabli mreža bi se mogla primjentiti i u praksi. Mreža nam govori kakva bi bila aktivnost Sunca tijekom jednog dana,tj,koliko bi se puta pojavila pojava zvana Sunčevi vjetrovi.Ta predviđanja bi možda mogla pomoći astronomima i svima koji promatraju promjene na Sunčevoj površini.
Autori:
Dunja Heinz
Tihana Kraml