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

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

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

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

Архитектура нейронной сети

Результаты обучения
100 эпох
150 эпох
280 эпох
400 эпох

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

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

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