home

e-mail: dvkazakov @ gmail.com
(убрать пробелы с обеих сторон '@')

Тел./WhatsApp: +7-916-909-7864

Telegram: @denis_v_kazakov

GitHub

Skype: denis.v.kazakov

photo

English


Восстановление функции по графику


Навыки: сверточные нейронные сети.

Ноутбук проекта можно скачать по ссылке.

Во многих промышленных стандартах и строительных нормах даны методики расчета различных конструкций. Причем в старых, но еще действующих документах кроме формул часто дают номограммы – графики, по которым нужно вручную определять значения тех или иных параметров. Формулы очень легко перевести в программный алгоритм для автоматизации расчета, а вот ручное определение величин по графикам неточно и тормозит работу. Слева реальный пример такой номограммы.

Цель проекта – обучить нейронную сеть восстанавливать значения функции по графику.

Подготовил набор исходных данных: 12.000 разных графиков (10.000 учебный набор, и 2.000 тестовый) с разной координатной сеткой (разное число вертикальных и горизонтальных линий). В этой версии использовал стандартные толщины линий кривой и сетки Matplotlib, что облегчает облегчает обучение модели. Дальше можно будет попробовать делать одинаковую толщину кривой и сетки или выбирать случайную величину.

Ниже примеры графиков, использованных для обучения.

На этих графиках была обучена сверточная нейронная сеть. Точность совпадения на тестовой выбоке весьма высокая. Ниже приведено несколько примеров. На графики наложена функция, построенная нейронной сетью (показана красным).

Подробное обсуждение метода и полученных результатов см. в ноутбуке.

В начало страницы