Аннотация 2
ВВЕДЕНИЕ 7
1 АНАЛИЗ ПРЕДМЕТНОЙ ОБЛАСТИ 9
1.1 Задачи управления технологическими процессами 9
1.2 Общие сведения об искусственных нейронных сетях 11
1.3 Анализ существующих решений 19
1.3.1 MatLab 7.1- ANFIS-редактор 20
1.3.2 STATISTICA Automated Neural Networks 21
2 РАЗРАБОТКА ИНФОРМАЦИОННО-ЛОГИЧЕСКОГО ПРОЕКТА И ПРОГРАММНАЯ РЕАЛИЗАЦИЯ 23
2.1 Структура радиально -базисной нейронной сети 23
2.2 Применение алгоритма обратного распространения ошибки для радиально-базисных сетей 25
2.3 Проектирование программной реализации нейронной сети 28
2.3.1 Диаграмма классов 29
2.3.2 Диаграмма деятельности 30
2.4 Обоснование средств реализации искусственной нейронной сети 32
3 ИССЛЕДОВАНИЕ ЭФФЕКТИВНОСТИ НЕЙРОННОЙ СЕТИ 37
3.1 Общие сведения о гиперпараметрах нейронной сети 37
3.2 Исследование зависимости эффективности алгоритма обучения от значения коэффициента обучения 39
3.3 Исследование зависимости погрешности прогнозирования от момента 41
3.4 Исследование зависимости эффективности алгоритма обучения от количества нейронов скрытого слоя 43
ЗАКЛЮЧЕНИЕ 45
СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ 47
Приложение А 49
В последнее время можно наблюдать бум развития методов машинного обучения, и, в частности, искусственных нейронных сетей. Неудивительно, ведь математический аппарат нейронных сетей является одним из наиболее перспективных направлений машинного обучения. Искусственная нейронная сеть является, по своей сути, самообучающейся (чаще всего) системой, которая в процессе обучения устанавливает отношения между входными и выходными данными. Одним из важных свойств таких сетей является гибкость и масштабируемость для большого числа входящих параметров.
К тому же, искусственные нейронные сети являются адаптирующимися системами, ведь они могут перестраивать свою работу для соответствия данным не имея какой-либо информации об описываемой модели. Кроме этого, они способны аппроксимировать любую функцию с определенной точностью и являются нелинейными моделями, что позволяет им моделировать процессы окружающей среды.
Таким образом, применение нейронной сети позволит автоматизировать процесс решения задачи прогнозирования, при этом многократно сократив трудоемкость и время обработки данных.
Целью данной ВКР является разработка искусственной нейронной сети радиально-базисных функций и исследование ее возможностей применительно к задачам управления.
Объектом исследования являются искусственные нейронные сети.
Предметом исследования являются искусственные нейронные сети в задачах управления.
Для достижения цели ВКР необходимо решить следующие задачи:
• провести аналитический обзор наиболее популярных архитектур искусственных нейронных сетей;
• провести разбор предметной области;
• обосновать выбор наиболее оптимального решения;
• спроектировать искусственную нейронную сеть;
• реализовать искусственную нейронную сеть на одном из языков программирования;
• провести исследования эффективности разработанной искусственной нейронной сети.
Бакалаврская работа состоит из введения, трех глав, заключения, списка литературы и приложений.
Во введении описывается актуальность проводимого исследования, формируется цель, и ставятся задачи, которые необходимо решить для достижения цели.
В первой главе описывается анализ предметной области, а также разбор уже существующих решений в данной области.
Во второй главе описывается архитектура искусственной нейронной сети, описывается алгоритм ее обучения, и проектируется структура искусственной нейронной сети.
В третьей главе проводятся исследования эффективности искусственной нейронной сети с различными параметрами ее конфигурации.
В заключении приводятся основные выводы по работе, описываются достигнутые задачи в ходе выполнения ВКР.
Целью данной ВКР являлась разработка искусственной нейронной сети радиально-базисных функций и исследование ее возможностей применительно к задачам управления. Для достижения цели были решены следующие задачи:
• проведен аналитический обзор наиболее популярных архитектур искусственных нейронных сетей;
• проведен разбор предметной области;
• обоснован выбор наиболее оптимального решения;
• спроектирована искусственная нейронная сеть;
• реализована искусственная нейронная сеть на одном из языков программирования;
• проведены исследования эффективности разработанной искусственной нейронной сети.
В ходе данной работы было выявлено, что оптимальным решением для задач управления технологическими процессами является искусственная нейронная сеть радиально-базисных функций.
Была описана общая структура такой нейронной сети, приведена диаграмма ее деятельности.
Помимо этого, в общих чертах была описана реализация описанной нейронной сети на языке программирования Java.
Так же были проведены исследования эффективности нейронной сети, в ходе которых эмпирическим путем были подобраны значения таких гиперпараметров искусственной нейронной сети, как скорость обучения, момент обучения и количество нейронов скрытого слоя.
Оптимальными значениями гипепараметров были выявлены следующие:
• коэффициент обучения 1] = 0.03;
• количество нейронов в скрытом слое n = 7;
• момент обучения m = 0.5.
Из недостатков реализованной нейронной сети можно отметить отсутствие возможности сохранения ее параметров в файл, а также отсутствие предварительной кластеризации входных данных одним из алгоритмов кластеризации, например, k-means.
Исправление последнего недостатка может являться предметом последующих научных изысканий.
Помощь студентам и аспирантам в выполнении работ от наших партнеров
