Разработка и анализ нейронной сети для обработки данных кинематики роботов

Основной анализ (Jupyter Notebook)

Статья с описание

Описание

Проект посвящен разработке и тестированию модели машинного обучения для анализа данных кинематики простых роботов. Используя нейронные сети в библиотеке PyTorch, модель обучается предсказывать поведение робота на основе предоставленных данных.

Как начать

Установка зависимостей

Для установки необходимых библиотек выполните следующую команду:

pip install -r requirements.txt

Анализ данных

Исходный датасет

	parameter1	parameter2	criteria1	criteria2	constraint1	constraint2
0	10	10	20	0.000	True	False
1	10	13	23	216.770	True	True
2	10	16	26	490.088	True	True
3	10	19	29	819.956	False	True
4	10	22	32	1206.370	False	True

Для анализа данных используйте Jupyter notebooks (analise.ipynb и analise_data.ipynb), которые включают в себя визуализации и предварительный анализ.

Анализ результатов

В качестве входных параметров модели были выбраны: parameter1, parameter2, constraint1, constraint2. качестве выходных параметров были выбраны: criteria1, criteria2.

Epoch 10, Loss: 0.2909, MAE: 0.4163, Val Loss: 0.2987, Val MAE: 0.4313
Epoch 20, Loss: 0.0782, MAE: 0.2165, Val Loss: 0.0852, Val MAE: 0.2287
Epoch 30, Loss: 0.0275, MAE: 0.1166, Val Loss: 0.0326, Val MAE: 0.1259
Epoch 40, Loss: 0.0143, MAE: 0.0862, Val Loss: 0.0168, Val MAE: 0.0893
Epoch 50, Loss: 0.0083, MAE: 0.0653, Val Loss: 0.0098, Val MAE: 0.0685
Epoch 60, Loss: 0.0052, MAE: 0.0519, Val Loss: 0.0063, Val MAE: 0.0544
Epoch 70, Loss: 0.0035, MAE: 0.0423, Val Loss: 0.0045, Val MAE: 0.0463
Epoch 80, Loss: 0.0026, MAE: 0.0371, Val Loss: 0.0035, Val MAE: 0.0414
Epoch 90, Loss: 0.0020, MAE: 0.0330, Val Loss: 0.0028, Val MAE: 0.0376
Epoch 100, Loss: 0.0016, MAE: 0.0298, Val Loss: 0.0023, Val MAE: 0.0348

Документация

Дополнительная документация и описания методологии доступны в каталоге docs.