From 4e0628e58f399a9300af670b1e7545c3c77e7cbd Mon Sep 17 00:00:00 2001 From: NovikovDM Date: Mon, 1 Dec 2025 13:42:51 +0300 Subject: [PATCH] r --- labworks/LW2/report2.md | 11 ++++++++++- 1 file changed, 10 insertions(+), 1 deletion(-) diff --git a/labworks/LW2/report2.md b/labworks/LW2/report2.md index 11b5631..54479a1 100644 --- a/labworks/LW2/report2.md +++ b/labworks/LW2/report2.md @@ -143,9 +143,9 @@ lib.plot2in1_anomaly(data, xx, yy, Z1, Z2, data_test) **2)Загрузить многомерную обучающую выборку реальных данных WBC_train.txt.** ```py -test = np.loadtxt('WBC_test.txt', dtype=float) train = np.loadtxt('WBC_train.txt', dtype=float) ``` +![alt text](http://uit.mpei.ru/git/NovikovDM/is_dnn/raw/branch/main/labworks/LW2/2.2.png) **3)Вывести полученные данные и их размерность в консоли.** ```py print('Исходные данные:') @@ -169,11 +169,13 @@ print(train.shape) Размерность данных: (357, 30) ``` +![alt text](http://uit.mpei.ru/git/NovikovDM/is_dnn/raw/branch/main/labworks/LW2/2.3.png) **4)Создать и обучить автокодировщик с подходящей для данных архитектурой.** **Выбрать необходимое количество эпох обучения.** ```py patience=2000 ae3_trained, IRE3, IREth3 = lib.create_fit_save_ae(train,'out/AE3.h5','out/AE3_ire_th.txt', 100000, False, patience, early_stopping_delta = 0.00001, early_stopping_value = 0.0001) ``` +![alt text](http://uit.mpei.ru/git/NovikovDM/is_dnn/raw/branch/main/labworks/LW2/2.4.png) **5)Зафиксировать ошибку MSE, на которой обучение завершилось. Построить график ошибки реконструкции обучающей выборки. Зафиксировать порог ошибки реконструкции –порог обнаружения аномалий.** ```py Epoch 31000/100000 @@ -182,10 +184,12 @@ Epoch 31000/100000 lib.ire_plot('training', IRE3, IREth3, 'AE3') ``` +![alt text](http://uit.mpei.ru/git/NovikovDM/is_dnn/raw/branch/main/labworks/LW2/2.5.png) **7)Изучить и загрузить тестовую выборку WBC_test.txt.** ```py test = np.loadtxt('WBC_test.txt', dtype=float) ``` +![alt text](http://uit.mpei.ru/git/NovikovDM/is_dnn/raw/branch/main/labworks/LW2/2.7.png) **8)Подать тестовую выборку на вход обученного автокодировщика для обнаружения аномалий. Вывести графикошибки реконструкции элементов тестовой выборки относительно порога.** ```py predicted_labels3, ire3 = lib.predict_ae(ae3_trained, test, IREth3) @@ -221,6 +225,11 @@ i Labels IRE IREth Исходный порог IREth4: 0.24 ``` +![alt text](http://uit.mpei.ru/git/NovikovDM/is_dnn/raw/branch/main/labworks/LW2/2.8.2.png) +**9)Если результаты обнаружения аномалий не удовлетворительные (обнаружено менее 70%аномалий), то подобрать подходящие параметры автокодировщика и повторить шаги (4)–(9)** +![alt text](http://uit.mpei.ru/git/NovikovDM/is_dnn/raw/branch/main/labworks/LW2/2.9.1.png) +![alt text](http://uit.mpei.ru/git/NovikovDM/is_dnn/raw/branch/main/labworks/LW2/2.9.2.png) + **10)Параметры наилучшего автокодировщика и результаты обнаружения аномалий занести в таблицу:** | | | | | | |