Гречанинова Наталья 11 гр. Научный руководитель: Энгель Е.А.

2 Цели и задачи работы Цель: создание программного продукта для предсказания исхода лотереи «Спортлото 5 из 36». Задачи: провести анализ методов предсказания исходов лотереи; провести анализ предметной области лотереи; разработать алгоритм предсказания исхода лотереи; произвести выбор средства программирования; создать программу предсказания исхода лотереи; произвести оценку результатов работы программы.

3 «Спортлото 5 из 36» В тираже участвуют 5 шаров с номерами от 1 до 36

4 Анализ тиражей

5 Рис. 1. Анализ тиражей за месяцы весны

6 Анализ тиражей

7 Метод оконного прогнозирования Для прогноза используются результаты нескольких предыдущих тиражей

8 Предобработка исходных данных

9 Этап 1: Прогноз 5 чисел Шаги 2 – 4. Обучено 30 нейросетей разных структур. Шаг 1. Разбиение выборки на обучающую (80% примеров) и тестовую (20 %) производилось по принципу усреднения. На вход нейронной сети подавались числа в диапазоне от 1 до 36, на выход – результаты тиражей. СтруктураОценкаПравильно решенных 3 по 100, по 100, по 100, по 50,96060

10 Этап 2: Прогноз по 1 тиражу Было создано 5 выборок для предсказания отдельных шаров. Выборки были проранжированы по убыванию дисперсии. На вход сетей подавались числа в диапазоне от [1, 36] – результаты предыдущих тиражей. Шаг 1. Предсказание осуществлялось по результатам предыдущих тиражей.

11 Этап 2: Прогноз по 1 тиражу Шаги Обучено по 30 нейросетей разных структур СтруктураПравильно решенных из 61Ср. ошибкаМах ошибка 3 по 10611, , по 10611, , по 10611, , по 8611, ,495125

12 Этап 3: Прогноз по 5 тиражам Структура Правильно решенных из 61 Ср. ошибкаМах ошибка 1 по 10610, , по 8610, , по 5610, , по 3610, , Для предсказания использовались результаты 5 предыдущих тиражей. Шаг 1. Было обучено по 50 сетей разных структур. Результаты тестирования для прогноза по 5 тиражам: СтруктураСр. ошибкаМах ошибкаПрав.решенных 1 по 100, , по 80, , по 50, , по 30, ,

13 Этап 3: Прогноз по 5 тиражам Шаг 3. На основе каждой выборки обучено по 50 нейросетей, структуры 1 слой 5 нейронов. Шаг 2. Создано 4 выборки, учитывающих время года, в котором происходил тираж. СтруктураСр. ошибкаМах ошибкаПрав.решенных 1 по 100, , по 80, , по 50, , по 30, ,

14 Первый ряд селекции Шаг 1. Использовалось 4 выборки для каждого времени года. Шаг 2. Обучено по 50 нейросетей каждой группы. Структура – 1 скрытый слой по 5 нейронов. Шаг 3. Отобрано 5 нейросетей с ошибкой обобщения, близкой к 0,04. Предсказываемый шар* Максимальная ошибка обобщения Эксперт 1Эксперт 2Эксперт 3Эксперт 4Эксперт 5 10, , , , , , , , , , , , , , , , , , , , , * - таблица представлена для результатов Зимы.

15 Первый ряд селекции Шаг 4. Были составлены новые выборки, имеющие пять входных полей. Каждое поле соответствует прогнозу отобранных экспертов. Указанная выборка была разбита на обучающую и тестовую. Шаг 5. Для каждого шара было обучено по 50 сетей и вычислена ошибка обобщения. Шаг 6. Из 50-ти сетей были выбраны по 3, ошибка обобщения которых была близка к значению 0,03. Предсказываемый шар Максимальная ощибка обощения Эксперт 1Эксперт 2Эксперт 3 10, , , , , , , , , , , , , , ,033514

16 Второй ряд селекции Шаг 1. Были составлены новые обучающие и тестовые выборки по прогнозам выбранных экспертов. Шаг 2. Для каждой выборки было обучено по 50 нейросетей и вычислена ошибка обобщения. Шаг 3. Из 50-ти нейросетей были выбраны по 3 сети, ошибка обобщения которых близка к 0,02. Предсказываемый шар Максимальная ощибка обощения Эксперт 1Эксперт 2Эксперт 3 10, , , , , , , , , , , , , , ,023514

17 Создание задачника

18 Модифицированная нейросеть с селекцией существенных связей Прогноз можно считать достоверным, если все три эксперта, полученные на втором ряду селекции, предсказывают одно значение

19 Задачники

20 Структура модифицированной нейросети

21 Архитектура программы Прогноз тиража Результаты последних тиражей Нейронная сеть Пользователь Входное множество Предобра ботчик Интерпре татор

22 Добавление тиража

23 Предсказание тиража

24 Среда разработки Платформа.NET Цельная объектно-ориентированная модель программирования, упрощающая разработку программ Обеспечивает переносимость приложений Поддерживает межъязыковое взаимодействие Обладает возможностью автоматического управления ресурсами Предоставляет пользователю современную модель безопасности развертывания и сопровождения кода

25 Язык программирования С#С# Изначально ориентирован на платформу.NET; Обладает максимальной степенью скрытия деталей от разработчика (упаковка/распаковка типов, инициализация, сборка мусора и т.п.); Поддерживает мощность C++ и простоту Visual Basic; Не связан проблемами обратной совместимости

26 Выводы: 1. Найдена минимальная структура нейросети, способная решить поставленную задачу – 1 слой по 5 нейронов. 2. Модифицированная нейросеть дала лучший результат при решении поставленной задачи, чем обычная слоистая сеть. 3. Практическая значимость модифицированных нейросетей подтверждается решением задачи прогноза исхода лотереи «Спортлото 5 из 36».

27