सिंगल-लेयर न्यूरल नेटवर्क्स
न्यूरल नेटवर्क्स का उपयोग सहज बनाने के लिए किसी फंक्शन का एक सरल approximation से शुरू करना उपयोगी होगा.
आप एक न्यूरल नेटवर्क को इस मैपिंग का approximation करने के लिए train करेंगे जिसमें इनपुट x और आउटपुट y हैं. वे square root फंक्शन से संबंधित हैं, यानी \(y = \sqrt{x}\).
इनपुट वेक्टर x आपको दिया गया है. आप पहले Numpy के sqrt() फंक्शन का उपयोग करके x का square root निकालेंगे और आउटपुट सीरीज़ y बनाएँगे. फिर आप एक साधारण न्यूरल नेटवर्क बनाएँगे और उसे x सीरीज़ पर train करेंगे.
ट्रेनिंग के बाद, आप y सीरीज़ और न्यूरल नेटवर्क के आउटपुट दोनों को plot करेंगे ताकि देख सकें कि नेटवर्क square root फंक्शन को कितनी नज़दीकी से approximate करता है.
Keras लाइब्रेरी के Sequential और Dense ऑब्जेक्ट्स भी आपके वर्कस्पेस में उपलब्ध हैं.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Quantitative Risk Management
अभ्यास निर्देश
- Numpy के
sqrt()फंक्शन का उपयोग करके आउटपुट training मान बनाएँ. - एक न्यूरल नेटवर्क बनाएँ जिसमें 1 hidden लेयर (16 neurons), 1 इनपुट वैल्यू, और 1 आउटपुट वैल्यू हो.
- न्यूरल नेटवर्क को training मानों पर 100 epochs के लिए compile और fit करें.
- training मानों (नीले रंग में) को न्यूरल नेटवर्क के predicted मानों के साथ plot करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Create the training values from the square root function
y = np.____(x)
# Create the neural network
model = Sequential()
model.____(Dense(16, input_dim=1, activation='relu'))
model.____(____(1))
# Train the network
model.____(loss='mean_squared_error', optimizer='rmsprop')
model.____(x, y, epochs=100)
## Plot the resulting approximation and the training values
plt.plot(x, y, x, model.____(x))
plt.show()