Predviđanje broja dolazaka i noćenja turista u RH za 2011.

godinuRajčević LukaSever Nikola

O neuronskim mrežama Vrste neuronskih mreža Predviđanje neuronskim mrežama Zaključak

Sadržaj

Neuronske mreže su sustavi modelirani od procesirajućih elemenata tzv. neurona, po uzoru na mrežu ljudskih moždanih stanica.

Neuroni su povezani komunikacijskim kanalima (vezama)

Važna osobina neuronskih mreža je njihova sposobnost da uče na ograničenom skupu primjera

O neuronskim mrežama

Primjer neuronske mreže: neuroni, veze i slojevi

Postoje dvije vrste neuronskih mreža

◦ Biološke neuronske mreže

◦ Umjetne neuronske mreže

Vrste neuronskih mreža

Puno složenije od umjetnih

Predstavljaju živčani sustav živih bića

Biološke neuronske mreže

Sustav od više jednostavnih procesora (neurona) od kojih svaki ima svoju lokalnu memoriju.

Neuroni su međusobno povezani vezama koje sadržavaju težinske koeficijente

Te veze pohranjuju znanje potrebno za rješavanje određenog problema

Umjetne neuronske reže

Umjetne neuronske mreže mogu se klasificirati na raznovrsne načine

Na osnovu metode učenja:◦ nadziranog (supervised training) ◦ nenadziranog učenja (unsupervised training)

Na osnovu strukture ponovne uporabe informacija:◦ nepovratne (feedforward) ◦ ovratne (feedbackward)

Algoritam mreže "širenje unatrag" bio je presudan za široku komercijalnu upotrebu neuronskih mreža

Njezin prvi kreator bio je Paul Werbos 1974., a proširena je od strane Rumelhart-a, Hinton-a i Williams-a 1986

Bila je to prva neuronska mreža s jednim ili više skrivenih slojeva.

Backpropagation algoritam

U osnovi, ova mreža propagira input kroz mrežu od ulaznog do izlaznog sloja, a zatim određuje grešku i tu grešku propagira unazad sve do ulaznog sloja ugrađujući je u formulu za učenje

Predviđanje broja◦ Dolazaka turista◦ Noćenja turista

za RH za 2011. godinu

Podaci preuzeti od državnog zavoda za statistiku ( Izvješće o turizmu u 2010. g)

Predviđanje neuronskim mrežama

Rb. Naziv varijable Opis

1. godina Godina za koju se gleda broj dolazaka (noćenja).

2. broj dolazaka Broj turističkih dolazaka u RH za određenu godinu.

3. broj noćenja Broj turističkih noćenja u RH za određenu godinu.

Podaci korišteni u istraživanju

Tablica 1: podaci korišteni u istraživanju

Podatke smo obrađivali u alatu JMP i izraženi su u tisućama

Obrada podataka - dolasci

Slika 1: Grafikon broja dolazaka

Broj čvorova

Overfit penalty Rsquare RMSE Broj dolazaka u

tisućama (2011)

3 0,001 0,9564 0,043 11097

3 0,004 0,9369 0,052 11501

4 0,004 0,9412 0,051 11512

4 0,001 0,9606 0,041 11210

5 0,001 0,9606 0,042 11155

5 0,004 0,9412 0,052 11527

6 0,004 0,9411 0,053 11538

6 0,001 0,9606 0,043 11155

7 0,001 0,9606 0,044 11152

7 0,004 0,9412 0,053 11516

15 0,001 0,9606 0,051 11155

Rezultati istraživanja - dolasci

Tablica 2: Rezultati istraživanja - dolasci

Usporedba dobivenih predviđanja i stvarnih vrijednosti – dolasci 1/2

Slika 2: n = 3, overfit = 0.001 Slika 3: n = 4, overfit = 0.001

Usporedba dobivenih predviđanja i stvarnih vrijednosti – dolasci 2/2

Slika 4: n = 5, overfit = 0.001 Slika 5: n = 6, overfit = 0.001

Skalirani prikaz dobivenih rezultata - dolasci

Slika 6: Skalirani prikaz dobivenih rezultata

Obrada podataka - noćenja

Slika 7: Grafikon ukupnih noćenja

Rezultati istraživanja - noćenja

Broj čvorova

Overfit penalty Rsquare RMSE Broj noćenja – u tisućama

(2011)

3 0,001 0,9496 0,052 56000

3 0,004 0,9264 0,063 59151

4 0,004 0,9302 0,062 58876

4 0,001 0,9576 0,048 56623

5 0,001 0,9601 0,047 57799

5 0,004 0,9301 0,063 59097

6 0,004 0,9271 0,065 60515

6 0,001 0,9598 0,048 58052

7 0,001 0,9606 0,049 58818

7 0,004 0,9299 0,066 59244

15 0,001 0,9605 0,057 58820

Tablica 3: Rezultati istraživanja - noćenja

Usporedba dobivenih predviđanja i stvarnih vrijednosti – noćenja 1/2

Slika 8: n = 5, overfit = 0.001 Slika 9: n = 6, overfit = 0.001

Usporedba dobivenih predviđanja i stvarnih vrijednosti – noćenja 2/2

Slika 10: n = 7, overfit = 0.001 Slika 11: n= 15, overfit = 0.001

Skalirani prikaz dobivenih rezultata - noćenja

Slika 12: Skalirani prikaz dobivenih rezultata

Zaključak je da će u 2011. godini biti više noćenja i posjetitelja nego godinu ranije

Problem kod istraživanja: nije bilo moguće trenirati neuronsku mrežu – manje točni rezultati, velika greška

Interpretacija rezultata

Analiziranje neuronskim mrežama je prilično jednostavno

Uz mogućnost treniranja ikorištenja trening uzoraka, rezultati mogu biti besprijekorni

Neuronske mreže imaju jako veliki potencijal i buduće analize će uvelike biti izvođene s neuronsim mrežama

Zaključak

Neural networks, članak dostupan na : http://en.wikipedia.org/wiki/Neural_network

http://www.jmp.com/software/

Povijest neuronskih mreža prevedena sa http://library.thinkquest.org/C007395/tqweb/history.html

Literatura