Как провести анализ графика и поиск закономерностей с помощью нейронной сети?

Question

[Антон Ковбич]

Здравствуйте! Задали определять особенности структуры електромагитнокристаллической неоднородности по известным характеристикам с помощью нейронной сети. То есть дана структура в CST Microwave Studio, пример показан под спойлером. Надо имея ее характеристику S11 (приведена под вторым спойлером) с помощью нейронной сети определять геометрию, например диаметр отверстия на задней части. Как можно это осуществить?
Планирую реализовывать это на пайтоне с помощью библиотеки keras. Рационально ли это? Может стоит посмотреть в сторону матлаба?

Структура

Характеристика S11

Answer 1

[xmoonlight]

Как можно это осуществить?
Планирую реализовывать это на пайтоне с помощью библиотеки keras. Рационально ли это? Может стоит посмотреть в сторону матлаба?

Нужно смотреть не на инструмент реализации, а в сторону проектирования НС.
Вижу, что есть показатели X,Y для 5-и разных показателей(кол-во графиков) - это входные значения для тренировки НС.
Диаметр отверстия (или ещё там что-то у Вас....) - выходные значения.

Согласно входным и выходным типам данных и процессу формирования выходных данных на основе входных - выбирайте нужный тип НС, проектируйте нужное кол-во слоёв и их взаимосвязи. Корректируйте и тестируйте так, чтобы НС работала так, как нужно Вам и....

....ТОЛЬКО ПОСЛЕ ВСЕГО ЭТОГО - КОДИРУЙТЕ.....

Comments

[Антон Ковбич]

Спасибо за развернутый ответ. Данные действительно можно извлечь в виде двух колонок значений для оси абсцисс и оси ординат.
Может есть какие-то примеры с решением подобного задания?
Проблема в том что у меня нет знаний в данной области, а выполнить задание надо. Хотелось бы от более осведомленных людей услышать какое средство использовать для применения нейронных сетей на практике.

[xmoonlight]

Антон Ковбич, я не глубоко осведомлён, однако есть ряд линков:
1. Теория: mechanoid.kiev.ua
2. Инструмент: https://www.goodai.com/

Answer 2

[Сергей]

Влоб нет. Вам нужно думать не про "нейронные сети", а про модель адекватно описывающую процессы.
Когда вы поймете процессы, вы поймете где можно использовать нейронные сети -- универсальный аппроксиматор.