Автор молодец выполнил работу раньше срока. Спасибо
Информация о работе
Подробнее о работе
Разработка программного обеспечения проектирования искусственных нейросетей
- 130 страниц
- 2018 год
- 226 просмотров
- 2 покупки
Гарантия сервиса Автор24
Уникальность не ниже 50%
Фрагменты работ
Цель работы: создание системы проектирования искусственных нейронных сетей, которая могла бы создавать и обучать нейронные сети с разными параметрами для решения задач прогнозирования и классификации, демонстрировать этот процесс и выдавайте конечный результат пользователю, а также иметь краткую информационную справку.
Назначение системы: использование для решения ряда задач по обработке данных в виде отдельного программного применения и в качестве фреймворка для языка Python.
Задачами магистерской работы являются следующие:
1. Анализ основых понятий и характеристик искусственных нейронных сетей, их классификации.
2. Анализ существующих программных аналогов.
3. Анализ, обоснование и выбор средств разработки и программной реализации.
4. Разработка проекта создаваемой системы.
5. Разработка UML-диаграммы системы проектирования искусственных нейронных сетей.
6. Разработка общего алгоритма работы программной системы.
7. Разработка программного кода и тестированеи системы.
ВВЕДЕНИЕ 5
1 АНАЛИЗ СПЕЦИФИКИ ИСПОЛЬЗОВАНИЯ НЕЙРОННЫХ СЕТЕЙ 6
1.1 Основные понятия и характеристики искусственных нейронных сетей 6
1.2. Классификация нейронных сетей 9
1.3 Анализ существующего программного обеспечения создания и моделирования 14
нейронных сетей 14
1.3.1 Система моделирования Matlab 14
1.2.2 Система анализа данных Deductor 16
1.2.3 Система моделирования Weka 17
1.3 Обоснование выбора средств программной разработки 18
1.3.1 Язык программирования Python 18
1.3.2 PyCharm IDE и библиотеки 20
1.4 Цель и технические задачи дипломной работы 21
2 РАЗРАБОТКА СИСТЕМЫ ПРОЕТКТИРОВАННЯ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ 24
2.1 Разработка проекта системы в нотации UML 24
2.2 Разработка общего алгоритма процесса работы системы 28
2.3 Разработка проекта интерфейса системы 31
2.4 Описание программных методов реализации функционала системы 35
2.5 Разработка и описание особенностей подключения созданного интерфейса к проекту 40
2.6 Описание пошагового использования разработанной системы для решения задачи классификации 52
3 ОХРАНА ТРУДА 61
4 ЭКОНОМИЧЕСКОЕ ОБОСНОВАНИЕ 71
5 ГРАЖДАНСКАЯ ЗАЩИТА 86
6 ЭКОЛОГИЯ 96
ВЫВОДЫ 106
ПЕРЕЧЕНЬ ССЫЛОК 107
ПРИЛОЖЕНИЕ А 111
1.1 Основні поняття та характеристики штучних нейронних мереж
Штучний нейрон імітує в першому наближенні властивості біологічного нейрона. На вхід штучного нейрона надходить деяка множина сигналів, кожен з яких є виходом іншого нейрона. Кожен вхідний білет множиться на відповідну вагу, аналогічний синоптичної силі, і всі добутки підсумовуються, визначаючи рівень активації нейрона. На наступному рисунку наведено модель, що реалізує цю ідею. Штучний нейрон приведено на рис. 1.1.
Рисунок 1.1 – Структура штучного нейрона
Тут багато вхідних сигналів, позначених x1, x2, x3 ... xn, надходить на штучний нейрон. Ці вхідні сигнали, в сукупності позначаються вектором X, відповідають сигналам, що приходять в синапси біологічного нейрона. Кожен сигнал множиться на відповідну вагу w1, w2, w3 ... wn, і надходить на суммирующий блок, позначений СУМ. Кожна вага відповідає "силі" одного біологічного синоптичної зв'язку. Безліч ваг в сукупності позначається вектором W.
...
1.2. Класифікація нейронних мереж
Одна з можливих класифікацій нейронних мереж - за спрямованістю зв'язків. Нейронні мережі бувають із зворотними зв'язками і без зворотного зв'язку.
Мережі без зворотних зв'язків.
1. Мережі зі зворотним розповсюдженням помилки.
Мережі цієї групи характеризуються фіксованою структурою, ітераційним навчанням, коригуванням ваг по помилках.
2. Інші мережі (когнітрон, неокогнітрон, інші складні моделі).
Перевагами мереж без зворотних зв'язків є простота їх реалізації і гарантоване отримання відповіді після проходження даних по слоям.
Недоліком цього виду мереж вважається мінімізація розмірів мережі - нейрони багаторазово беруть участь в обробці даних.
Меньший обсяг мережі полегшує процес навчання.
Мережі зі зворотними зв'язками.
До таких типів належать Мережі Хопфілда (завдання асоціативної пам'яті) і мережі Кохонена (завдання кластерного аналізу).
Великим числом нейронів для алгоритмів одного і того ж рівня складності.
...
1. Панфилов П.Н. Введение в нейронные сети / П.Н. Панфилов // Современный трейдинг. – 2001. – № 2. – С. 12–17.
2. Царегородцев В.Г. Производство полуэмпирических знаний из таблиц данных с помощью обучаемых искуственных нейронных сетей / В.Г. Царегородцев // Методы нейроинформатики. – Красноярск: Изд-во КГТУ. – 2012. – C. 89-101.
3. Горбань А.Н. Обучение нейронных сетей / А.Н. Горбань. – М.: "ParaGraph", 2010. – 160 с.
4. Parsaye K.A. Characterization of Data Mining Technologies and Processes / K.A. Parsaye // The Journal of Data Warehousing. – 1998. – №1. – PP.34-45.
5. Ежов А.А. Нейрокомпьютинг и его применения в экономике и бизнесе / А.А. Ежов, С.А. Шумский. – М.: МИФИ, 1998. – 222 с.
6. Le Cun Y. Optimal Brain Damage / Y. Le Cun, J.S. Denker, S.A. Solla // Advances in Neural Information Processing Systems 2. – Morgan Kaufmann. – 1990. – PP.598-605.
7. McMillan C. The Connectionist Scientist Game: Rule Extraction and Refinement in a Neural Network / C. McMillan, M.C. Mozer, P. Smolensky // Proc. XIII Annual Conf of the Cognitive Science Society, Hillsdale, NJ, USA. – 2001. – PP.39-44.
8. Gorban A.N. Generation of explicit knowledge from empirical data through pruning of trainable neural networks / A.N. Gorban, Ye.M. Mirkes, V.G. Tsaregorodtsev // Int. Joint Conf. on Neural Networks, Washington, DC, USA. –2012. – PP.78-82.
9. Tsaregorodtsev V.G. Neural Identification of the Zonal Classes and Siberian Forest Formations Based on Climatic Parameters / V.G. Tsaregorodtsev, D.I. Nazimova, L.F. Nozhenkova // Proc. Int. Symposium "Biodiversity and Dynamics of Ecosystems in North Eurasia", Novosibirsk, Aug. – 2010. – Vol.4. – PP.37-39.
10. Круглов В. Нечеткая логика и искусственные нейронные сети / В.Круглов, М.Дли, Р.Голунов. – СПб.: Физматли,. 2001. – 513 с.
и еще 33 источника
Форма заказа новой работы
Не подошла эта работа?
Закажи новую работу, сделанную по твоим требованиям
