|
касающиеся работы с нейронными сетями. 3.2. Синтез структуры нейронной сети для решения задачи количественного анализа Нейронная сеть представляет собой совокупность взаимосвязанных простых элементов нейронов, и способна выдавать на входное возмущение определенный информационный отклик. Основой любой нейронныой сети является искусственный нейрон (формальный нейрон (ФН)). ФН [86] упрощенный технический аналог биологического нейрона (рисунок 3.3.), осуществляющий операцию нелинейного преобразования суммы произведений входных сигналов на весовые коэффициенты: Y = F 1>Л=F{WX), (3.1.) \i=l 7 где X = (х1 У х2 уХ^,...,хп У вектор входного сигнала; W = (wl,w2,w3,..., wn) вектор синаптических связей (набор синапсов); F оператор нелинейного преобразования (функции активации или накопительная функция). ФН состоит из: 1) набора синапсов, 2) сумматора и 3) нелинейного преобразователя F. Входные сигналы Синаптические Рисунок 3.3. Нейронный элемент. Каждому / му входу нейрона соответствует весовой коэффициент (синапс), характеризующий силу синаптической связи по аналогии с биологическим нейроном. Сумма произведений входных сигналов на весовые коэффициенты называется взвешенной суммой: УО |
На шаге 6.3 происходит изучение ошибки обобщения Епр_ построенной и обученной ИНС, исходя из априорных теоретических соображений о ее сложности или на основе прямых вычислений с использованием специально отобранной на шаге 2 группы данных (тестовой выборки). При недостаточном качестве обобщения необходимо вернуться к шагу 6.1. Здесь можно попытаться уменьшить число нейронов в скрытых слоях ИНС и применить алгоритмы удаления наименее незначимых связей, а также принципиально изменить архитектуру ИНС или выбрать другой алгоритм ее обучения. При получении на шаге 6.3 неприемлемо большой ошибки обучения (более 10 %) диагностируется недостаточная точность решения задачи Если заданная исследователем степень точности будет достигнута, то для получения адекватной математической модели в виде обученной ИНС с хорошими предсказательными способностями в области решения задачи также реализуются шаги 6.1—6.3. В том случае, если не удалось достигнуть заданной степени точности, следует рассмотреть возможность получения дополнительных данных, изменения количественного и/или качественного состава параметров математической модели. В результате произойдет изменение и/или дополнение базы данных наблюдений и, соответственно, обучающей и тестовой выборок. Таким образом, будут повторно реализованы шаги 1—7. 3.2. СИНТЕЗ СТРУКТУРЫ НЕЙРОННОЙ СЕТИ ДЛЯ РЕШЕНИЯ ЗАДАЧИ ОПРЕДЕЛЕНИЯ КОНЦЕНТРАЦИИ ВРЕДНЫХ ВЕЩЕСТВ В ВОЗДУШНОЙ СРЕДЕ Нейронная сеть представляет собой совокупность взаимосвязанных простых элементов нейронов, и способна выдавать на входное возмущение определенный информационный отклик. Основой любой нейронныой сети является искусственный нейрон (формальный нейрон (ФН)). ФН [86] 67 упрощенный технический аналог биологического нейрона (рисунок 3.4.), осуществляющий операцию нелинейного преобразования суммы произведений входных сигналов на весовые коэффициенты: Y = F(±wiX] = F(WXl (3.1.) где X = (xi,x2,x3,...,xn)r вектор входного сигнала; W = (wl,w2,w3>...iwn) вектор синаптических связей (набор синапсов); F оператор нелинейного преобразования (функции активации или накопительная функция). ФН состоит из: 1) набора синапсов, 2) сумматора и 3) нелинейного преобразователя F. Входные сигналы Синаптические Рисунок 3.4 Нейронный элемент Каждому / му входу нейрона соответствует весовой коэффициент (синапс), характеризующий силу синаптической связи по аналогии с биологическим нейроном. Сумма произведений входных сигналов на весовые коэффициенты называется взвешенной суммой: п £=2>л/-1 В качестве функции активации могут использоваться различные функции(таблица 3.1). 68 |