Использование нейросимулятора при определении внешнего вида ребенка по параметрам родителей

ли нейросимулятор определить внешний вид ребенка по параметрам, не входящим

в обучающую выборку

параметров, которые настраиваются в процессе обучения на прошлых данных. В

основе нейронных сетей лежит поведенческий подход к решению задачи, сеть учится на примерах, подстраивая свои параметры при помощи специальных обучающих алгоритмов.

на входе задаются некоторые числовые данные, и нейросеть ищет похожие

в исторических данных, на которых она обучалась.
Как правило, нейронная сеть используется тогда, когда неизвестен точный вид связей между входами и выходами, если бы он был известен, то связь можно было бы моделировать непосредственно. Другая существенная особенность нейронных сетей состоит в том, что зависимость между входом и выходом находится в процессе обучения сети.

на входы Х1,-,Хn, умножаются на коэффициенты (веса, синапсы) соответствующие каждому

входу и определяют уровень возбуждения нейрона. Выходной сигнал получается пропусканием суммарного сигнала возбужденных нейронов скрытого слоя через нелинейную функцию.

следующие статистические данные:
рост папы;
рост мамы;
цвет волос папы;
цвет

волос мамы;
цвет глаз папы;
цвет глаз мамы;
цвет кожи папы;
цвет кожи мамы;
вес папы;
вес мамы;
какой ребенок по счету.

правильно реагировать на примеры, на которых он обучен, но и

уметь обобщать приобретенные знания, т.е. правильно реагировать на примеры, которых в обучающей выборке не было

слоев персептрона

ребенка

Она выдает результаты с минимальной ошибкой. Но нужно проверить, сможет

ли сеть определить рост, вес, цвет глаз, волос и кожи ребенка по неизвестным ему параметрам. Для этого воспользуемся тестируемой выборкой и продемонстрируем результат.

выборке сильно отличаются от реальных. Возможно это связано с тем,

что для прогнозирования такой задачи, как определения внешнего вида ребенка по параметрам родителей, требуется большее количество входных параметров, влияющих на ребенка. А также в дальнейшей работе над этой проблемой можно попробовать использовать более мощные нейросети и более подробное изучение данного вопроса.