Разработка комплексированных нейросетей и исследование возможностей их применения для решения прикладных задач

• Автор: Панфилов, Денис Сергеевич
• Шифр специальности: 05.13.15, 05.13.17
• Научная степень: Кандидатская
• Год защиты: 2002
• Место защиты: Таганрог
• Количество страниц: 147 с.

СОДЕРЖАНИЕ
ВВЕДЕНИЕ

1 ПРИНЦШТЫ ПОСТРОЕНИЯ ИСКУССТВЕННЫХ Т ГЕЙРОСЕТЕЙ

И ВОЗМОЖНОСТИ ИХ КСМПЛЕКСИРСВАНИЯ

1.1 Принципы построения искусственных нейросетей

1.2 Методы обучения искусственных нейросетей.

1.3 Возможности построения комплексированных нейросетей.

1.4 Выводы

2. ИССЛЕДОВА ШЕ МЕТОДОВ ОБРАБОТКИ ГРАФИЧЕСКИХ

ИЗОБРАЖЕНИЙ НА ОСНОВЕ КОМПЛЕКСИРОВАННЫХ НЕЙРОСЕТЕЙ.

2.1 Структура комплексироваиной нейросети для обработки

изображений фотороботов
2.2 Генетические алгоритмы и исследование возможностей их
применения для обработки изображений.
2.3 Исследование возможности использования комплексированных
нейросетей для сжатия и восстановления данных
2.4 Исследования возможности применения нейросетей для
идентификации изображений
2.5 Выводы
3. КОМПЛЕКСИРОВАННАЯ НЕЙРОСЕТЬ ДЛЯ СИСТЕМ
ПРОГНОЗИРОВАНИЯ
3.1 Синтез комплексироваиной нейросети для решения задач
прогнозирования
3.2 Разработка алгоритмов и методов обучения комплексироваиной
нейросети для решения задач прогнозирования
3.3 Сравнительный анализ результатов прогнозирования на
многослойном перцептроне и комплексироваиной нейросети.
3.4 Выводы.
4. РЕШЕНИЕ ПРИКЛАДНЫХ ЗАДАЧ НА ОСНОВЕ КОМПЛЕКСИРОВАИНОЙ НЕЙРОСЕТИ.
4.1 Применение нейросети для классификации речевых сообщений
по их эмоциональной составляющей
4.2 Постановка задачи прогнозирования изменения уровня
фунтовых вод на основе комплексироваиной нейросети
4.3 Программа ОеоЕогесазГ для прогнозирования изменения
уровня грунтовых вод, состав, описание, полученные результаты.
4.4 Выводы
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУ


Компьютерные технологии в инженерной и управленческой деятельности” (Таганрог г. Таганрог г. Международной научно-технической конференции и молодежной научной конференции “Интеллектуальные САПР” (Таганрог г. ТРТУ (Таганрог г. ВТ ТРТУ. Нейрокибернети ка, Нейроинформатика, Нейрокомпьютеры’ ” (Ростовы ш-Дону ) (призовое место) и на конкурс научно-исследовательских работ в области системных исследований, математического моделирования и геоэкологической безопасности среди молодых ученых Северного Кавказа (Таганрог ) (призовое место). По теме диссертации опубликовано печатных работ. Структура н объем работы. Данная работа содержит введение, 4 раздела и заключение общим объемом в 6 страниц. В первом разделе работы описаны этапы развития искусственных нейронных сетей. Показана структурная модель биологического нейрона и приведен алгоритм ее функционирования. Описаны основные принципы построения искусственных нейросетей и их основные архитектурные решения. Показана суть процесса обучения нейросетей. Описаны основные парадигмы и правила обучения искусственных нейронных сетей. Показана необходимость комилекелрования отдельных нейросетевых парадигм и предложены методы и способы достижения этой цели. Во втором разделе описывается постановка задачи коллективного составления фоторобота несколькими свидетелями с его последующей идентификацией. Предложена методика ее решения, с использованием комгшексированных нейросетей на основе нейросети Хопфилда и нейросети встречного распространения, а также совместно с методикой генетического программирования. Описаны результаты проведенных исследований предложенных нейропарадигм для решения данной задачи. В третьем разделе предложена архитектура комплексированной нейросети, предназначенной для решения задачи прогнозирования данных. Приведены алгоритмы обучения предложенной нейросетевой архитектуры. Описаны результаты проведенных экспериментов по сравнению результатов прогноза полученных на стандартном многослойном перцептроне и I федложенной нейроструктуре. В четвертом разделе рассматриваются принципы построения классификатора речевых сообщений по их эмоциональной составляющей с использованием нейросетей. Приведены сравнительные характеристики работы такого классификатора с работой неадаптивного классификатора. Дана постановка задачи прогнозирования изменения уровня грунтовых вод. В заключении подводятся итоги и делаются выводы об основных научных и практических результатах достигнутых при выполнении данной работы. Исследования в области искусственных нейронных сетей (ИНС) в процессе своего развития прошли три периода активизации. Первый пик, который произошел в -х годах -го века, был обусловлен пионерской работой МакКаллока и Питтса []. Второй пик возник в -х годах, благодаря теореме сходимости перцептрона Розенблатта []. В течение некоторого времени казалось, что ключ к интеллекту найден, и воспроизведение функций человеческого мозга является лишь вопросом конструирования достаточно большой по своей структуре сети. Но эта иллюзия скоро рассеялась. Минский и Пайперт в своей работе [], используя точные математические методы, строго доказали ряд теорем, показывающих, что используемые в то время однослойные сети теоретически неспособны решить многие простые задачи. Результаты Минского и Пайперта погасили энтузиазм большинства исследователей. Возникшее в исследованиях по нейронным сетям затишье продлилось почти лет. С начала -х годов ИНС вновь привлекли интерес исследователей, что связано с энергетическим подходом Хопфилда [] и алгоритмом обратного распространения для обучения многослойных перцептроиов (многослойные сети прямого распространения), впервые предложенного Вербосом []. Алгоритм был обобщен и получил известность благодаря работе Румельхарта и Макклелланда []. По современным представлениям искусственная нейронная сеть это набор моделей биологических нейронов, соединенных между собой специальным образом. Каждый биологический нейрон моделируется в нейросети как устройство, имеющее несколько входов (дендриты), и один выход (аксон) [3].