Какую нейронную сеть выбрать для задачи?

Question

[VeyDlin]

Есть график который принадлежит к какому-то типу (пусть это будет A, B, C и D), надо определить к какому

Проблема в том, что графики этих типов ну оочень мало чем отличаются (процентов на 5-10), они могут вытягиваться, сжиматься, удлинятся, смещаться по координате x, y или сразу все вместе, графики захламлены рандомными шумами

Многослойный персептрон плохо себя показал в решении данной задачи (да, он угадывал, но хотелось бы более высокой точности)

Comments

[x67]

Можешь показать эти графики? Возможно задачу можно формализовать настолько, что и нейросети не нужны будут.

[VeyDlin]

x67: my-files.ru/gts199 и my-files.ru/odq99b

[x67]

ВэйДлин: и в чем разница между ними? пики более острые?

[VeyDlin]

x67: да

[x67]

ВэйДлин: можно искать все экстремумы или экстремумы определенного типа и проверять скорость изменения параметра в их окрестности. Окрестность можно выбирать исходя из диапазона абсцисс, но лучше ограничивать ее выходом на плато или изменением знака скорости. Под скоростью я подразумеваю dx/dt, если это графики x(t). В зависимости от того, что хотите, можно оценивать как мгновенную скорость, так и среднюю.
Но, в любом случае эта задача из разряда "я хочу чего-то, но не знаю чего", так как ни смысла ни явных особенностей тут не прослеживается. К тому же, судя по графикам, шаг измерения/расчета всего полклеточки, что слишком много, что бы задачу решать достоверно, даже человеку. Нужно уменьшить шаг хотя бы раза в 4.

Answer 1

[Сергей]

1.А вы уверены что НС вам нужно ? Может просто надо найти некоторую оценочную метрику ?
2. Не подавайте на НС сырые данные, подавайте некоторые метрики, типа дисперсии,среднего, среднего квадратичного и т.п. + эти метрики должны быть нормализованы.

Comments

[VeyDlin]

1. Нет, не уверен, если посоветуете конкретный алгоритм, буду благодарен
2. Да, я пытался нормализовать данные перед подачей в НС

[Сергей]

ВэйДлин: если вы покажете конкретные графики, то уже можно что-то придумать, пока ничего конкретного.

[VeyDlin]

Сергей: вот my-files.ru/hnetvu особенно интересно с синим и желтым, шумы сливаются с пиками, сами по себе они практически не отличимы

[Сергей]

ВэйДлин: Вы их сами то можете отличить кроме как по цвету ?

[Сергей]

ВэйДлин: похоже на графики случайных процессов, где красный и желтый -- это граничные графики, а синий нечто среднее, которое переходит по своим свойствам из красного в желтый.

[VeyDlin]

Сергей: это три разных графика (а если быть точней, спектры разного дерева), и да, я не могу сам отличить их. По этому и подумал про НС с её способностью отличать неотличимое и находить крохотные зависимости там, где их не видит человек

[Сергей]

Ок. Я вас понял.
Во первых для каких то выводов вам нужны сотни или тысячи таких графиков.
Дальше нужны некие метрики, которые отображают каждый график в некоторую точку в N-мерном пространстве этих метрик.
Далее подбираем эти метрики так, чтобы точки группировались в кластеры в этом N-мерном пространстве.
Ну а дальше дело техники как вы будете их разделять
это может быть НС или какой K-means.

[Сергей]

Т.е чем больше информации вы заведете в НС тем ей будет лучше принять правильное решение.
Вы конечно можете ввести в НС весь график + некие метрики от него.