Abstract
Проблема производственных травм остается значимой в Казахстане и мировом масштабе. Исследования отечественных ученых показывают, что основными лидирующими отраслями с наиболее высокими показателями производственного травматизма уже многие годы стабильно остаются обрабатывающая, горнодобывающая и строительная отрасли, а одной из причин является высокий уровень загазованности рабочих помещений. Целью данного исследования являются выбор архитектуры и разработка нейронной сети для мультиспектрального газоанализатора, способная проводить качественный анализ газовых смесей в воздушной среде на наличие опасных газов, которую в дальнейшем планируется использовать при разработке газоанализатора. В работе показан процесс разработки однослойного персептрона, предназначенного для анализа предварительно обработанных спектральных данных, с одним входным слоем, одни скрытым слоем и одним выходным слоем. Представлена математическая модель предложенной архитектуры нейронной сети. А также реализован программный код на языке программирования Python для построения, обучения и тестирования нейронной сети. Исследования показали, что в выходном слое наиболее подходящей функцией активации является функция Softmax. В скрытом слое может быть применена любая из рассмотренных функций. Однако, наилучшие результаты показала функция активации ReLU. При этом количество нейронов в скрытом слое – 45, а для обучения данной нейронной сети достаточно 37 итераций.