ВВЕДЕНИЕ 3
1 Обзор методов и алгоритмов выявления зависимостей 5
1.1 Общая постановка задачи выявления зависимостей 5
1.2 Методы выявления зависимостей 7
1.3 Корреляционный анализ 7
1.4 Регрессионный анализ 10
1.5 Метод последовательного сокращения и метод последовательного
добавления параметров 11
1.5.1 Метод последовательного сокращения входных переменных модели
(алгоритм Del) 12
1.5.2 Метод последовательного добавления входных переменных модели
(алгоритм Add). 12
1.5.3 Алгоритм AddDel 13
2 Построение и обучение нейронной сети с помощью алгоритма NEAT 14
2.2 Нейронные сети 14
2.3 Применение нейронных сетей 16
2.4 Алгоритм NEAT 17
2.5 Применение алгоритма Neat, для выявления зависимостей. 22
3 Численные эксперименты 27
3.1 Апробация алгоритма на искусственных данных 27
3.2 Апробация алгоритма на данных с ТЭЦ-1 3 3
3.3 Вывод 36
ЗАКЛЮЧЕНИЕ 37
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 38
ПРИЛОЖЕНИЕ А 39
ПРИЛОЖЕНИЕ Б 40
ПРИЛОЖЕНИЕ В 41
ПРИЛОЖЕНИЕ Г 42

Купить

В нашу эпоху информации процесс моделирования играет важную роль в жизни человека. Этап построения моделей присутствует во всех сферах жизнедеятельности, без него не обходится ни одно исследование. Поэтому на сегодняшний день существует целый ряд запрограммированных пакетов моделирования, основанных на твердом теоретическом фундаменте.
Но большинство алгоритмов моделирования основаны на построении параметрических моделей. Такие модели требуют достаточной априорной информации об исследуемом объекте, которая в реальности не всегда доступна. В данном исследовании ставятся задачи по выявлению дополнительной информации об объекте из не обработанных данных.
В частности, рассматривается задача выявления зависимостей переменных в матрице наблюдений процесса дискретно-непрерывного типа. В рамках данного исследования будет проведено исследование по сравнению разных методов выявления зависимостей, таких как факторный анализ, регрессионный анализ, дисперсионный анализ.
Цель: выявление зависимостей в данных, для более качественного моделирования технологических процессов.
Задачи:
• Постановка задачи выявления зависимости между переменными;
• Обзор классических методов выявления зависимостей;
• Разработка метода применения нейронной сети для задачи выявления зависимости между переменными;
• Апробация алгоритма и анализ полученных результатов.
Объект исследования: матрица наблюдений технологических процессов с ТЭЦ-1.
Предмет исследования: методы выявления зависимостей в матрице наблюдений.
Для решения поставленных задач предлагается использовать следующие методы:
• Построение и анализ структуры нейронной сети используя алгоритмы нейроэволюции;
• Оценка степени влияния входных переменных на выходные переменные путем анализа полученного графа;
Данное исследование позволит применить алгоритм нейроэволюции нейронных сете для выявления зависимостей, выявить сильные и слабые стороны данного алгоритма, а также применить его к реальным данным с целью выявления скрытых зависимостей в технологическом процессе на ТЭЦ-1.
Перспективным развитием данной работы будет сравнения алгоритма на основе нейронных сетей с методом анализа параметра размытости в методе непараметрической регрессии Надарая-Ватсона[2].

Купить