Сравнительная оценка показателей обучения домашнего голосового ассистента, построенного на базе нейронной сети

1.

guap.ru
Сравнительная оценка показателей обучения
домашнего голосового ассистента,
построенного на базе нейронной сети
Выполнил: Бадика Егор Максимович
Группа: 3021
Тел: 89529155361
E-mail: [email protected]

2.

Актуальность темы
Голосовые ассистенты (Алиса,
Маруся, Алекса и т.д.)
Системы умного дома
Chat-GPT
Переводчики

3.

Используемые инструменты
Python с библиотеками Numpy и
Tensorflow
import numpy as np
Import tensorflow as tf

4.

Подготовка данных
Добавление тегов «start» и «end»
в каждый из примеров
Преобразование слов в индексы

5.

Архитектура нейронной сети

6.

Результаты обучения
280 эпох
100 эпох
150 эпох
400 эпох

7.

Результаты обучения
В процессе обучения нейросеть совершенствуется и спустя 500 эпох имеет
тенденцию к снижению ошибки, но на это требуется большее количество
времени.

8.

Результаты обучения
- Достижение оптимального значения ошибки, около 0.5, для получения внятных ответов от
нейронной сети, возможно за 100 эпох;
- Со 100 эпох идёт снижение ошибки значительно медленнее, примерно 0.005 за 100 эпох;
- Переобучение модели маловероятно, так как график имеет плавную структуру;
- С 100-ой эпохи есть небольшой скачок ошибки, причиной которой является локальный
минимум, который был преодолён на 200-ой эпохе, после чего характер обучение стал более
стабильным;
- Присутствует незначительная пила графика, не влияющая на чёткую тенденцию к снижению
показателя ошибки.
- Улучшение модели возможно при увеличении обучающей выборки и длительности обучения

9.

Области применения
Широкий спектр:
Голосовые ассистенты
Системы умного дома
Узконаправленные системы:
Выдача технической
документации по запросу
Помощь людям с ограниченными
возможностями
Помощь в управлении
производствами

10.

guap.ru
Спасибо за внимание!
Выполнил: Бадика Егор Максимови
Группа: 3021
Тел: 89529155361
E-mail: [email protected]