Введение 3
1 Самообучающиеся карты Кохонена 5
1.1 Машинное обучение 5
1.2 Решение задач по работе с текстом методами машинного обучения ... 8
1.3 Сети и карты Кохонена 10
1.4 Применение рекуррентных самообучающихся карт Кохонена для распознавания текста 15
2 Моделирование самообучающихся карт Кохонена на языке Python 18
2.1 Математические библиотеки языка Python 18
2.2 Средства визуализации данных 22
2.3 Программирование самообучающихся карт 24
3 Задача выделения устойчивых последовательностей в тексте ... 31
3.1 Постановка задачи 31
3.2 Обучение сети 35
3.3 Результаты 41
Заключение 44
Библиографический список 45
Машинное обучение с каждым днём занимает всё больше места в жизни человека, это связано с его широкой областью применения, начиная от анализа данных и заканчивая роботами и автопилотами. Машинное обучение является частью искусственного интеллекта, главная задача которого состоит в том, чтобы компьютер сам попытался найти решение поставленной задачи, полагаясь на имеющиеся данные.
На данный момент большой проблемой является трудность в работе с большим количеством информации и в ее анализе. Для решения данной проблемы существует метод, предполагающий выделение временных паттернов и конструкций естественного языка. Свои гипотезы по этому поводу выдвинул С.А. Шумский, поставив задачу реконструкции «органа языка» важнейшим этапом на пути к пониманию основных механизмов мышления [13].
В данной работе предполагается продемонстрировать решение задач, связанных с математическим моделирование способом машинного обучения без учителя. А также подробно описать программирование рекуррентных самоорганизующихся карт. Данные материалы могут найти применение в таких дисциплинах как: «Компьютерное моделирование в машинном обучении», «Интеллектуальное программирование с помощью библиотек языка Python», «Моделирование нейронных сетей».
Целью выпускной квалификационной работы является моделирование рекуррентных самообучающихся карт Кохонена в среде программирования Python для выделения временных последовательностей в тексте.
Задачи выпускной квалификационной работы:
1. Рассмотреть основные задачи, решаемые с помощью алгоритмов машинного обучения без учителя, применение алгоритма самообучающихся карт Кохонена для решения этих задач;
2. Изучить возможностей языка программирования Python;
3. Смоделировать рекуррентные самоорганизующиеся карты для работы с текстом и исследовать их свойства.
Квалификационная работа состоит из Введения, трех глав, Заключения и Списка литературы.
В первой главе рассмотрены:
• основы машинного обучения, его методы;
• способ обучения без учителя, решаемые с помощью него задачи, в том числе задача кластеризации;
• виды задач по обработке текста, способы их решения в истории машинного обучения и в настоящее время;
• нейросети Кохонена и самоорганизующиеся карты, алгоритмы их обучения и работы;
• понятие рекуррентных самообучающихся карт и особенности их работы при распознавании текстов.
Вторая глава посвящена обзору языка программирования Python, его возможностям и полезным при написании программ библиотекам и модулям. Третья глава представляет собой алгоритм программирования самоорганизующихся карт Кохонена для решения задач по выявлению временных последовательностей в тексте, рассматриваются особенности работы с текстом.
В ходе данной работы были рассмотрены необходимые сведения о методах машинного обучения, работе искусственных нейронных сетей. Также в ходе дипломной работы были изучены математические библиотеки и модули для визуализации данных языка программирования Python. Смоделированы рекуррентные самоорганизующиеся карты Кохонена для выделения устойчивых паттернов в тексте, произведен анализ получившихся результатов.
Таким образом, задачи, поставленные в квалификационной работе, выполнены.
Данные материалы были не только рассмотрены и реализованы для решения задачи, но и в дальнейшем могут рассматриваться в рамках курсов: «Компьютерное моделирование в машинном обучении», «Интеллектуальное программирование с помощью библиотек языка Python», «Моделирование нейронных сетей».
