Прогнозирование количества происшествий с использованием нейронной сети на основе фреймворка Keras

Abstract

В статье представлен процесс разработки архитектуры нейронной сети для прогнозирования количества происшествий на основе языка Python с использованием фреймворка Keras. Рассмотрен весь цикл проектирования подобных архитектур. Методика построения архитектуры включает несколько этапов: сбор, группировка и обработка данных с использованием соответствующих методов, формирование обучающей и тестовой выборки, подбор подходящей архитектуры сети с учетом специфических требований решаемой задачи прогнозирования. Далее осуществляется реализация, обучение и тестирование нейронной сети на независимом наборе данных для оценки производительности и точности. Проводится сравнительный анализ предложенной архитектуры с известными по критерию средней абсолютной ошибки