Наиболее эффективно применение ИНС в задачах, для которых известные алгоритмы и методы решения остаются относительно трудоемкими.
Искусственные нейронные сети (ИНС) являются достаточно универсальным средством моделирования широкого класса задач управления и экономики. Реализованы нейронные сети либо в виде отдельных специализированных пакетов таких как, например, NeuroPro, BrainMaker, NeuroSolutions, Neural Planner, Neuro Shell, Wizard, либо в виде приложений к таким системам, как MathLab и Statistica. Наиболее эффективно применение ИНС в задачах, для которых известные алгоритмы и методы решения остаются относительно трудоемкими [1, 2, 3] .
В этом случае целесообразно использовать процедуры моделирования на основе нейронных сетей, содержащие вне зависимости от класса решаемой задачи следующие четыре этапа.
Анализ исходных данных и подготовка к моделированию включают следующие фрагменты:
· классификацию решаемой задачи;
· предварительный выбор модели нейронной сети;
· предварительное определение структуры сети;
· выбор алгоритма обучения ИНС;
· выбор пакета ИНС;
· на основе выбранного пакета формулируются минимальные требования к информационной и программной совместимости, а также к составу и параметрам технических средств ПК, на которой осуществляется моделирование.
Обучение нейронной сети.
На данном этапе моделирования, основываясь на результатах первого этапа и эмпирических данных, осуществляется:
· формирование и редактирование исходных данных для режима обучения;
· окончательный выбор структуры ИНС, модели и пакета;
· выбор и реализация режима «дообучения» нейронной сети.
Этап обучения является наиболее трудоемким и ответственным в процессе моделирования [4, 5, 6] . На этом этапе обычно отсутствуют формализованные процедуры, и решение принимается на основе эмпирики и эвристики. Как правило, процесс является итерационным и требует неоднократного возвращения к сформулированным на данном этапе вопросам.
Анализ качества обучения ИНС предполагает:
· анализ значений параметров и вида характеристик, определяющих отклонение результатов, полученных ИНС, от эталонных;
· определение границ области, в пределах которой ИНС обучилась с заданной степенью точности;
· принятия решения о завершении процесса обучения. Если положительное решение не принято, то следует возврат ко второму или даже к первому этапам моделирования.
Применение обученной нейронной сети.
Это – заключительный этап моделирования. По времени он, как правило, может быть разнесен от первых трех этапов. Требует меньшей квалификации от пользователя. Этап содержит следующие вопросы:
· формирование на основе шаблона исходных данных;
· обращение к обученной нейронной сети.
Приведены примеры моделирования на основе ИНС с помощью пакетов NeuroPro, Neuro Shell, Wizard. В режиме «шаг за шагом» рассмотрены этапы моделирования. Сформулированы рекомендации по выбору параметров моделирования [7]. Проведен анализ специфики работы в каждом из пакетов.
архив: 2013 2012 2011 1999-2011 новости ИТ гость портала 2013 тема недели 2013 поздравления