📄Работа №90942
Тема: ПРИМЕНЕНИЕ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ПОСТРОЕНИЯ ИНТЕЛЛЕКТУАЛЬНОГО КЛАССИФИКАТОРА
Тип работы
Дипломные работы, ВКР
Предмет
Информационные системы
Объем:
73 листов
Год:
2019
Просмотров:
307
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
ВВЕДЕНИЕ 4
ГЛАВА 1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ НЕЙРОСЕТЕВОГО АНАЛИЗА
ДАННЫХ 6
1.1. Обзор нейроинформационных технологий 6
1.2. Виды нейронных сетей 14
1.2.1. Сеть Кохонена 14
1.2.2. Сети обратного распространения ошибки 15
1.2.3. Перцептрон 15
1.2.4. Сети Хопфилда и Хэмминга 16
1.3. Обучение нейронных сетей 18
1.4. Обзор существующих нейроиммитаторов 21
ГЛАВА 2. ПРОЕКТИРОВАНИЕ НЕЙРОСЕТЕВОГО КЛАССИФИКАТОРА .. 26
2.1. Постановка задачи 26
2.2. Процесс проектирования 27
2.2.1. Алгоритм работы пользователя с системой 27
2.2.2. Алгоритм работы сети Кохонена 31
2.2.3. Объектная декомпозиция 32
2.2.4. Архитектура базы данных 33
2.2.5. Выбор средств разработки 35
ГЛАВА 3. РЕАЛИЗАЦИЯ И ТЕСТИРОВАНИЕ НЕЙРОСЕТЕВОГО
КЛАССИФИКАТОРА 41
3.1. Структура интеллектуального классификатора 41
3.2. Обоснование выбора языка программирования 41
3.3. Интерфейс программного комплекса 42
3.4. Тестирование классификатора с применением медицинских данных 46
ЗАКЛЮЧЕНИЕ 48
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ 49
ПРИЛОЖЕНИЕ 53
ГЛАВА 1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ НЕЙРОСЕТЕВОГО АНАЛИЗА
ДАННЫХ 6
1.1. Обзор нейроинформационных технологий 6
1.2. Виды нейронных сетей 14
1.2.1. Сеть Кохонена 14
1.2.2. Сети обратного распространения ошибки 15
1.2.3. Перцептрон 15
1.2.4. Сети Хопфилда и Хэмминга 16
1.3. Обучение нейронных сетей 18
1.4. Обзор существующих нейроиммитаторов 21
ГЛАВА 2. ПРОЕКТИРОВАНИЕ НЕЙРОСЕТЕВОГО КЛАССИФИКАТОРА .. 26
2.1. Постановка задачи 26
2.2. Процесс проектирования 27
2.2.1. Алгоритм работы пользователя с системой 27
2.2.2. Алгоритм работы сети Кохонена 31
2.2.3. Объектная декомпозиция 32
2.2.4. Архитектура базы данных 33
2.2.5. Выбор средств разработки 35
ГЛАВА 3. РЕАЛИЗАЦИЯ И ТЕСТИРОВАНИЕ НЕЙРОСЕТЕВОГО
КЛАССИФИКАТОРА 41
3.1. Структура интеллектуального классификатора 41
3.2. Обоснование выбора языка программирования 41
3.3. Интерфейс программного комплекса 42
3.4. Тестирование классификатора с применением медицинских данных 46
ЗАКЛЮЧЕНИЕ 48
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ 49
ПРИЛОЖЕНИЕ 53
📖 Введение
Сегодня существует определенный класс актуальных задач, решение которых без использования искусственных нейронных сетей (ИНС) невозможно или сложно реализуемо. Для решения таких проблем человеческий интеллект малоэффективен, а традиционные вычисления трудоёмки или физически неадекватны, так как не отражают или плохо отражают реальные физические процессы и объекты. Соответственно становится необходимым использовать искусственные нейронные сети для решения классификационных задач.
Задача классификации - указать принадлежность входной выборке, представленного вектором числовых атрибутов, к одному или нескольким предопределенным классам. Практические применения такой задачи включают распознавание текста, распознавание речи, классификацию сигналов электрокардиограммы и классификацию клеток крови.
Использование нейросетевых технологий открывает качественно новый уровень изучения процессов в такой неопределенной системе, как организм человека. Отличительной особенностью нейронных сетей является то, что они не запрограммированы - они не используют никаких правил вывода для постановки диагноза, но они учатся делать это на примерах Диагностика является частным случаем классификации событий, причем наибольшую ценность представляет классификация тех событий, которые отсутствуют в обучающем нейросеть наборе данных. Это отражает преимущество нейросетевых технологий: они могут выполнять такую классификацию, обобщать предыдущий опыт и применять его в новых случаях [1].
Цель работы: разработка интеллектуального классификатора -
программного обеспечения с реализацией нейронных сетей для анализа больших данных и её классификации.
Для достижения данной цели в работе поставлены следующие задачи:
1. Обосновать целесообразность создания интеллектуального
классификатора с применением искусственных нейронных сетей (ИНС).
2. Привести описание ИНС классификации.
3. Описать логику работы программного обеспечения.
4. Обосновать создание программного обеспечения в виде web- приложения.
5. Разработать программное обеспечение интеллектуального
классификатора на основе ИНС классификации.
Научная новизна.
Научную новизну работы составляет разработка интеллектуального классификатора с использованием web-технологий для анализа больших данных, и их классификация с помощью нейронных сетей Кохонена. Разрабатываемый интеллектуальный классификатор может применяться для решения большого количества задач, не имеющих решения аналитическими либо статистическими методами.
Задача классификации - указать принадлежность входной выборке, представленного вектором числовых атрибутов, к одному или нескольким предопределенным классам. Практические применения такой задачи включают распознавание текста, распознавание речи, классификацию сигналов электрокардиограммы и классификацию клеток крови.
Использование нейросетевых технологий открывает качественно новый уровень изучения процессов в такой неопределенной системе, как организм человека. Отличительной особенностью нейронных сетей является то, что они не запрограммированы - они не используют никаких правил вывода для постановки диагноза, но они учатся делать это на примерах Диагностика является частным случаем классификации событий, причем наибольшую ценность представляет классификация тех событий, которые отсутствуют в обучающем нейросеть наборе данных. Это отражает преимущество нейросетевых технологий: они могут выполнять такую классификацию, обобщать предыдущий опыт и применять его в новых случаях [1].
Цель работы: разработка интеллектуального классификатора -
программного обеспечения с реализацией нейронных сетей для анализа больших данных и её классификации.
Для достижения данной цели в работе поставлены следующие задачи:
1. Обосновать целесообразность создания интеллектуального
классификатора с применением искусственных нейронных сетей (ИНС).
2. Привести описание ИНС классификации.
3. Описать логику работы программного обеспечения.
4. Обосновать создание программного обеспечения в виде web- приложения.
5. Разработать программное обеспечение интеллектуального
классификатора на основе ИНС классификации.
Научная новизна.
Научную новизну работы составляет разработка интеллектуального классификатора с использованием web-технологий для анализа больших данных, и их классификация с помощью нейронных сетей Кохонена. Разрабатываемый интеллектуальный классификатор может применяться для решения большого количества задач, не имеющих решения аналитическими либо статистическими методами.
✅ Заключение
В процессе выполнения выпускной квалификационной работы магистра были рассмотрены основы нейросетевого анализа, виды нейронных сетей и их описание. Проанализированы виды обучения нейронных сетей (с учителем и без учителя), произведен обзор существующих на данный момент нейроиммитаторов и обоснованы их недостатки, указывающие на их чрезмерную сложность и высокую стоимость. Ввиду этого, можно сделать вывод, что разработка программного комплекса является достаточно актуальной задачей, поскольку в настоящее время отсутствует такой комплекс, который был бы доступен для среднестатистического пользователя.
Далее был разработан и описан алгоритм взаимодействия пользователя с системой, указывающий на то, что требуется для получения конечного результата. Рассмотрен сравнительный анализ desktop и web приложений, на основе которого был выбран вариант разработки web-приложения.
В результате выполнения работы был разработан интеллектуальный классификатор, позволяющий упростить взаимодействие пользователя с программным обеспечением за счет удобного интерфейса и работы с базой данных. В основе классификатора лежит клиент-серверный подход, благодаря которому достигается высокая производительность программного комплекса.
Таким образом, цель данной выпускной квалификационной работы магистра можно считать достигнутой, все поставленные задачи в ходе работы были выполнены.
Далее был разработан и описан алгоритм взаимодействия пользователя с системой, указывающий на то, что требуется для получения конечного результата. Рассмотрен сравнительный анализ desktop и web приложений, на основе которого был выбран вариант разработки web-приложения.
В результате выполнения работы был разработан интеллектуальный классификатор, позволяющий упростить взаимодействие пользователя с программным обеспечением за счет удобного интерфейса и работы с базой данных. В основе классификатора лежит клиент-серверный подход, благодаря которому достигается высокая производительность программного комплекса.
Таким образом, цель данной выпускной квалификационной работы магистра можно считать достигнутой, все поставленные задачи в ходе работы были выполнены.
ИЛИ
Поиск аналога
📕 Список литературы
🖼 Скриншоты
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.