Модели и алгоритмы получения оценки живучести систем с нечеткой информационной структурой, обеспечивающие сокращение времени расчета

• Автор: Хорохорин, Михаил Александрович
• Шифр специальности: 05.13.17
• Научная степень: Кандидатская
• Год защиты: 2014
• Место защиты: Тамбов
• Количество страниц: 149 с. : ил.

СОДЕРЖАНИЕ
Введение
1 Проблема оценки живучести информационных структур и ее изложение в научной литературе
1.1 Понятие информационных структур >;
1.2 Анализ понятия живучести в различных прикладных областях
1.3 Анализ существующих подходов к оценке живучести информационных структур
1.4 Матричное представление информационных структур
1.5 Оценка живучести информационных структур на основе нечеткой
4 ' V ■ • ■ *!
продукционной модели
1.6 Классификация негативных внешних воздействий на информационную структуру
1.7 Выводы по первой главе. Постановка цели и задач исследования
2 Продукционная и нейросетевая модели, расчета оценки живучести информационных структур
2.1 Типы нейронных сетей
2.1.1 Однонаправленные многослойные сети сигмоидального типа
2.1.2 Сети с самоорганизацией на основе конкуренции
2.1.3 Радиальные нейронные сети
2.1.4 Нечеткая нейронная продукционная сеть Такаги-Сугено-Канга
2.1.5 Нечеткие нейронные сети. Сеть Ванга-Менделя
2.2 Анализ нейронных сетей для построения нечеткой нейронной модели оценки живучести информационных структур
2.3 Построение продукционной и нейросетевой модели расчета оценки живучести информационных структур
2.4 Выводы по второй главе..,...,
3 Алгоритмы, реализующие продукционную и нейросетевую модели расчета оценки живучести информационных структур
3.1 Алгоритм перехода от нечеткой продукционной модели к соответствующей ей нечеткой нейросетевой модели
3.2 Построение диаграммы вариантов использования моделей и алгоритмов оценки живучести информационных структур
3.3 Построение диаграммы классов моделей и алгоритмов оценки живучести информационных структур
3.4 Построение диаграммы деятельности моделей и алгоритмов оценки живучести информационных структур
3.5 Алгоритм обратного распространения ошибки для нечеткой нейронной сети
3.6 Метод Фибоначчи поиска экстремума
3.7 Выводы по третьей главе
4 Программная реализация моделей и алгоритмов оценки живучести информационных структур
4.1 Анализ и выбор языка программирования
4.2 Выбор средства разработки программной реализации моделей и алгоритмов оценки живучести информационных структур
4.3 Программная реализация моделей и алгоритмов оценки живучести информационных структур
4.4 Тестирование программного обеспечения оценки живучести информационных структур
4.5 Выводы по четвертой главе
Заключение
Список используемых источников
Приложение А. Тестирование обученной нечеткой нейронной сети в
разработанном программном обеспечении
Приложение Б. Сравнительный анализ рекомендаций
Приложение В. Примеры сгенерированных топологий информационных
структур
Приложение Г. Таблица истинности для различных видов импликаций

Приложение Д. Графики зависимости функций принадлежности
Приложение Ж. Копии свидетельств о государственной регистрации
программы для ЭВМ
Приложение 3. Акты об использовании результатов исследования

2.1.3 Радиальные нейронные сети
Радиальные нейронные сети строятся с использованием радиальных нейронов, функция активации которых имеет ненулевые значения только в окрестностях своего центра. [47,50,60].
Радиальная сеть имеет двухслойную структуру[48,50,53,62], первый слой составляют радиальные нейроны, выходной — один или несколько линейных. На рисунке 2.3 представлена структурная схема радиальной сети с одним выходным нейроном.
Рисунок 2.3 - Структурная схема радиальной сети с одним выходным
нейроном
Здесь і//( (|| Х1 - С, ||) - функция активации /-ого радиального нейрона, называемая базисной функцией.
Сеть выполняет аппроксимацию входных данных согласно выражению

у = 5>^,(І! X-С11|), в соответствии с [48,50,53,62].

Задача обучения сети состоит в соответствии с [48,50,53,62] состоит в подборе таких значений 1,С1 и которые доставляют минимум целевой функции
1 р м
£ = (IIXі-С, ||)-<7 )2,

где р - количество обучающих выборок.