Проект посвящен разработке и тестированию модели машинного обучения для анализа данных кинематики простых роботов. Используя нейронные сети в библиотеке PyTorch, модель обучается предсказывать поведение робота на основе предоставленных данных.
Для установки необходимых библиотек выполните следующую команду:
pip install -r requirements.txt
| parameter1 | parameter2 | criteria1 | criteria2 | constraint1 | constraint2 | |
|---|---|---|---|---|---|---|
| 0 | 10 | 10 | 20 | 0.000 | True | False |
| 1 | 10 | 13 | 23 | 216.770 | True | True |
| 2 | 10 | 16 | 26 | 490.088 | True | True |
| 3 | 10 | 19 | 29 | 819.956 | False | True |
| 4 | 10 | 22 | 32 | 1206.370 | False | True |
Для анализа данных используйте Jupyter notebooks (analise.ipynb и analise_data.ipynb), которые включают в себя визуализации и предварительный анализ.
В качестве входных параметров модели были выбраны: parameter1, parameter2, constraint1, constraint2. качестве выходных параметров были выбраны: criteria1, criteria2.
Epoch 10, Loss: 0.2909, MAE: 0.4163, Val Loss: 0.2987, Val MAE: 0.4313 Epoch 20, Loss: 0.0782, MAE: 0.2165, Val Loss: 0.0852, Val MAE: 0.2287 Epoch 30, Loss: 0.0275, MAE: 0.1166, Val Loss: 0.0326, Val MAE: 0.1259 Epoch 40, Loss: 0.0143, MAE: 0.0862, Val Loss: 0.0168, Val MAE: 0.0893 Epoch 50, Loss: 0.0083, MAE: 0.0653, Val Loss: 0.0098, Val MAE: 0.0685 Epoch 60, Loss: 0.0052, MAE: 0.0519, Val Loss: 0.0063, Val MAE: 0.0544 Epoch 70, Loss: 0.0035, MAE: 0.0423, Val Loss: 0.0045, Val MAE: 0.0463 Epoch 80, Loss: 0.0026, MAE: 0.0371, Val Loss: 0.0035, Val MAE: 0.0414 Epoch 90, Loss: 0.0020, MAE: 0.0330, Val Loss: 0.0028, Val MAE: 0.0376 Epoch 100, Loss: 0.0016, MAE: 0.0298, Val Loss: 0.0023, Val MAE: 0.0348
Дополнительная документация и описания методологии доступны в каталоге docs.