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
Купить

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.
Купить