ВВЕДЕНИЕ 3
1 ПОСТАНОВКА ЗАДАЧИ 4
1.1 Обоснование создания эмулятора нейронной сети 4
2 ТЕХНОЛОГИЯ НЕЙРОНЫХ СЕТЕЙ 6
2.1 Искусственный нейрон 6
2.2 Многослойный персептрон 7
3 ОПИСАНИЕ ПРЕДМЕТНОЙ ОБЛАСТИ. ТЕСТ ЛИРИ 9
3.1 Общее описание теста 9
3.2 Обработка результатов тестирования 9
3.3 Подготовка данных для обучения нейронной сети 14
4 ОБЩАЯ АРХИТЕКТУРА СИСТЕМЫ 17
4.1 Структура системы 17
4.2 Компонент «Нейронная сеть» 18
4.3 Компонент «Помощники» 22
4.4 Основной компонент 25
5 РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ 28
ЗАКЛЮЧЕНИЕ 35
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ И ЛИТЕРАТУРЫ 36
ПРИЛОЖЕНИЕ A 38
ПРИЛОЖЕНИЕ Б 43
ПРИЛОЖЕНИЕ В 47
ПРИЛОЖЕНИЕ Г 52
В данной работе делается попытка применить нейросетевые технологии для выявления личностных характеристик, определяющих деление множества респондентов на классы (выявление доминантных характеристик).
Информационную базу исследований составили результаты анкетирования по психологическому тесту «Лири», предназначенному для диагностики межличностных отношений.
В качестве исследовательских данных взят контингент заключённых, осужденных по различным статьям, объединенных в две группы - срок заключения менее 7 лет и срок заключения выше 7 лет.
С помощью нейронной сети делается попытка выявить возможное наличие сочетаний тех личностных черт, которые в большей степени разделяют респондентов этих двух контингентов осужденных
В настоящей работе рассмотрена применимость технологии нейронных сетей к задаче выявления доминантных личностных характеристик, определяющих отличия в психологических портретах двух категорий респондентов.
В качестве исходных данных для проведения исследований были взяты результаты психодиагностического тестирования осужденных в одной из Томских колоний по методике Лири, а в качестве инструментария - нейронная сеть типа персептрон.
Исследования проводились на специально созданном программном комплексе, позволяющем автоматизировать формирование вариантов тестов, создание требуемых конфигураций сетей, процессы обучения и тестирования сетей, запоминания и визуализации результатов.
По результатам обучения и тестирования проведен анализ выходных данных, который позволяет сделать вывод о том, что созданная нейронная сеть способна классифицировать респондентов по группам.
Приведенные примеры результатов исследований дают основания рассматривать описанный подход к решению определенного класса задач психодиагностики как достаточно перспективный.
