|
время существуют различные варианты алгоритмов обучения для наилучшего преодоления указанных проблем [83-85]. Зарубежные и отечественные исследования показали перспективность использования ИНС для построения информационных моделей при решении многих прикладных задач [63,86-94]. На рисунке 3.2 показаны используемые при этом возможности ИНС. Задачи, решаемые ИНС Аппроксимация Оптимизация Управление Кластеризация/ категоризация Указание принадлежности входного образа, представленного вектором признаков, предварительно определенным классам Предсказание/ прогноз Нахождение оценки неизвестной функции. искаженной шумом, по имеющейся сгенерированной ею обучающей выборке Осуществление подобия образов и размещение близких в один кластер Ассоциативная память Нахождение решения. удовлетворяющего системе ограничений и максимизирующего /минимизирующего целевую функцию Предсказание значений дискретных отсчетов в последующие моменты времени по предыдущим Расчет входного управляющего воздействия, при котором система следует по желаемой траектории ч Память доступная по указанию содержания, в том числе по частичному или искаженному Рисунок 3.2. — Задачи, решаемые с помощью ИНС Таким образом, для решения задачи прогнозирования перспективным является метод нейронных сетей, хотя нейронные сети нашли широкое применение в различных задачах и показали большую точность и эффективность по сравнению с другими применяемыми методами. Остается еще много задач, требующих пристального внимания, таких как создание и подбор нейронной сети, обучение нейронной сети, создание обучающей выборки, при этом использование одной методики в одной из областей прогнозирования может дать совсем другие результаты в другой. Поэтому при решении нашей задачи необходимо изучить и опробовать различные подходы, УЗ |
ь Определение архитектуры Ине 1.1 Разделение переменных на входы и выходы сети, определение размерности входного и выходного векторов. 1.2 Оценка числа элементов обучающей выборки, скрытых слов и синаптических весов. 1.3 Определение вида используемых нейронов: число входов: вид функции (или функций) активации. 1.4 Определение способа соединения нейронов между собой. 2. Обучение ИНС. 2.1 Выбор метода/алгоритма обучения. 2.2 Создание из баз данных наблюдений обучающей и тестовой выборок. 2.3 Оценка параметров обучения (согласно выбранному алгоритму обучения). 2.4 Непосредственно процесс обучения. 3. Эксплуатация обученной ИНС. Рисунок 3.1 Схема реализации основных этапов построения ИНС Зарубежные и отечественные исследования показали перспективность использования ИНС для построения информационных моделей при решении многих прикладных задач [54-60]. На рисунке 3.2 показаны используемые при этом возможности ИНС. 62 ( “ ' Задачи, решаемые ИНС Аппроксимация Оптимизация Управление Кластеризация/ категоризация Предсказание/ прогноз Указание принадлежности входного образа. представленного вектором признаков, предварительно определенным классам Нахождение оценки неизвестной функции, искаженной шумом, по имеющейся сгенерированной ею обучающей выборке Ассоциативная память Нахождение решения, удовлетворяющего системе ограничений и максимизирующего /минимизирующего целевую функцию Расчет входного управляющего воздействия, при котором система следует по желаемой траектории Л Осуществление Предсказание значений Память доступная по подобия образов и дискретных отсчетов в указанию содержания, в размещение последующие моменты том числе по частичному близких в один кластер времени по предыдущим или искаженному Рисунок 3.2 — Задачи, решаемые с помощью ИНС Таким образом, для решения задачи определения концентрации вредных веществ по данным спектра поглощения ИК излучения перспективным является метод нейронных сетей, хотя нейронные сети нашли широкое применение в различных задачах и показали большую точность и эффективность по сравнению с другими применяемыми методами. Остается еще много задач, требующих пристального внимания, таких как создание и подбор нейронной сети, обучение нейронной сети, создание обучающей выборки, при этом использование одной методики в одной из областей лазерного зондирования может дать совсем другие результаты в другой. Поэтому при решении задачи определения концентрации вредных веществ по спектру поглощения ИК излучения необходимо изучить и опробовать различные подходы, касающиеся работы с нейронными сетями. 63 |