📄Работа №116959
Тема: Моделирование нейро-нечетких сетей при анализе статистических данных
Тип работы
Бакалаврская работа
Предмет
программирование
Объем:
49 листов
Год:
2020
Просмотров:
103
4700
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
Аннотация 2
ВВЕДЕНИЕ 5
1 АНАЛИЗ БИБЛИОТЕК НА ЯЗЫКЕ ПРОГРАММИРОВАНИЯ PYTHON ПО МАШИННОМУ ОБУЧЕНИЮ 6
2 МАТЕМАТИЧЕСКАЯ МОДЕЛЬ СЕТИ ANFIS 9
2.1 Адаптивная нейро-нечеткая система логического вывода ANFIS 9
2.2 Пример корректирования параметров сети 15
3 РАЗРАБОТАННОЕ ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ ДЛЯ МОДЕЛИРОВАНИЯ СЕТИ ANFIS 26
3.1 Описание разработанного программного обеспечения 26
3.2 Пример работы 40
ЗАКЛЮЧЕНИЕ 44
СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ 45
ВВЕДЕНИЕ 5
1 АНАЛИЗ БИБЛИОТЕК НА ЯЗЫКЕ ПРОГРАММИРОВАНИЯ PYTHON ПО МАШИННОМУ ОБУЧЕНИЮ 6
2 МАТЕМАТИЧЕСКАЯ МОДЕЛЬ СЕТИ ANFIS 9
2.1 Адаптивная нейро-нечеткая система логического вывода ANFIS 9
2.2 Пример корректирования параметров сети 15
3 РАЗРАБОТАННОЕ ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ ДЛЯ МОДЕЛИРОВАНИЯ СЕТИ ANFIS 26
3.1 Описание разработанного программного обеспечения 26
3.2 Пример работы 40
ЗАКЛЮЧЕНИЕ 44
СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ 45
📖 Введение
Исследования в области искусственного интеллекта динамично развиваются, это приводит к появлению новых алгоритмов машинного обучения основанных на комбинировании технологий. Примером, объединения нескольких технологий является нейро-нечеткая сеть ANFIS, объединяющая в себе теорию нечетких множеств и нейросетевые технологии. Для того, чтобы изучать особенности сети ANFIS необходимо сначала ее реализовать на каком либо языке программирования.
В данной бакалаврской работе был проведен анализ библиотек на языке Python по машинному обучению: Scikit-learn, Tensorflow, Keras и pyTorch. Анализ показал, что в этих библиотеках нет реализации сети ANFIS. Поэтому целью данной работы была определена следующим образом - разработка на языке Python класса, позволяющего моделировать работу, обучение и тестирование ANFIS сети.
При выполнении бакалаврской работы решались следующие задачи:
1. Анализ библиотек на языке программирования Python по машинному обучению.
2. Математическое моделирование адаптивной нейро-нечеткой системы логического вывода ANFIS.
3. Разработка класса на языке Python, позволяющего моделировать работу, обучение и тестирование ANFIS сети.
При выполнении бакалаврской работы на языке Python был реализован класс, позволяющий моделировать работу, обучение и тестирование ANFIS сети. Описание программного кода, пример использования класса представлены в третьей главе.
Также в ходе выполнения исследований была изучены отечественные [1-10] и зарубежные [11-20] статьи об особенностях работы нейро-нечетких сетей ANFIS.
В данной бакалаврской работе был проведен анализ библиотек на языке Python по машинному обучению: Scikit-learn, Tensorflow, Keras и pyTorch. Анализ показал, что в этих библиотеках нет реализации сети ANFIS. Поэтому целью данной работы была определена следующим образом - разработка на языке Python класса, позволяющего моделировать работу, обучение и тестирование ANFIS сети.
При выполнении бакалаврской работы решались следующие задачи:
1. Анализ библиотек на языке программирования Python по машинному обучению.
2. Математическое моделирование адаптивной нейро-нечеткой системы логического вывода ANFIS.
3. Разработка класса на языке Python, позволяющего моделировать работу, обучение и тестирование ANFIS сети.
При выполнении бакалаврской работы на языке Python был реализован класс, позволяющий моделировать работу, обучение и тестирование ANFIS сети. Описание программного кода, пример использования класса представлены в третьей главе.
Также в ходе выполнения исследований была изучены отечественные [1-10] и зарубежные [11-20] статьи об особенностях работы нейро-нечетких сетей ANFIS.
✅ Заключение
Исследования, проведенные в рамках данной бакалаврской работы, позволяют сделать следующие выводы:
1. Обзор отечественных и зарубежных источников литературы показывает, что одним из перспективных направлений развития искусственного интеллекта является комбинирование технологий с целью получения новых алгоритмов машинного обучения. Так комбинирование теории нечетких множеств и нейросетевых технологий привело к появлению нейро-нечетких сетей ANFIS.
2. Результаты сравнительного анализа библиотек Python по машинному обучению (Scikit-learn, Tensorflow, Keras, pyTorch), показал, что в них реализован функционал по работе с нейронными сетями прямого распространения, но отсутствует реализация функций для моделирования нейро-нечетких сетей ANFIS.
3. Был рассмотрен математический аппарата нейро-нечетких сетей ANFIS, описаны принципы их работы, а также показана процедура настройки сети.
4. На языке Python был реализован класс, позволяющей моделировать работу, обучение и тестирование ANFIS сети. Данный класс можно подключать к другим проектам, написанным на языке Python или использовать его независимо при проведении научно-исследовательских работ.
5. Проведенное тестирование на имеющейся выборке данных подтвердило работоспособность разработанного программного обеспечения. А по графикам представленным в третье граве можно определить насколько точно сеть ANFIS описывает данные обучающей выборки с двумя независимыми переменными.
Таким образом, цель данной бакалаврской работы была достигнута, а все поставленные задачи успешно решены.
1. Обзор отечественных и зарубежных источников литературы показывает, что одним из перспективных направлений развития искусственного интеллекта является комбинирование технологий с целью получения новых алгоритмов машинного обучения. Так комбинирование теории нечетких множеств и нейросетевых технологий привело к появлению нейро-нечетких сетей ANFIS.
2. Результаты сравнительного анализа библиотек Python по машинному обучению (Scikit-learn, Tensorflow, Keras, pyTorch), показал, что в них реализован функционал по работе с нейронными сетями прямого распространения, но отсутствует реализация функций для моделирования нейро-нечетких сетей ANFIS.
3. Был рассмотрен математический аппарата нейро-нечетких сетей ANFIS, описаны принципы их работы, а также показана процедура настройки сети.
4. На языке Python был реализован класс, позволяющей моделировать работу, обучение и тестирование ANFIS сети. Данный класс можно подключать к другим проектам, написанным на языке Python или использовать его независимо при проведении научно-исследовательских работ.
5. Проведенное тестирование на имеющейся выборке данных подтвердило работоспособность разработанного программного обеспечения. А по графикам представленным в третье граве можно определить насколько точно сеть ANFIS описывает данные обучающей выборки с двумя независимыми переменными.
Таким образом, цель данной бакалаврской работы была достигнута, а все поставленные задачи успешно решены.
ИЛИ
Поиск аналога
📕 Список литературы
🖼 Скриншоты
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.