|
корректировки топологии был отключен. Она также начала работу и обучение нейронных сетей сначала, но количество нейронов в промежуточных слоях нейронных сетей в данном случае не изменялось. Результаты: Результаты эксперимента (рис. 4.11), показывают, что у пользователей, которые продолжали использовать модуль корректировки топологии, повторное обучение нейронных сетей и соответствующий рост оценок происходил аналогично первоначальному. У пользователей, которые эту функцию не использовали, обучение сетей происходило медленнее. Оценки возрастали медленнее, чем у этих же пользователей при первоначальном обучении (с корректировкой топологии) и медленнее, чем у контрольной группы. 4.3. Пример применении НС к выбору параметров ЛВС Рассмотрим пример выбора топологии и других параметров локальной вычислительной сети (ЛВС) на основе многослойной нейронной сети персепгроиного типа. Требования к создаваемой ЛВС представлены в табл. 4.8. Требования формируют вектор, состоящий в из 17 входных переменных. Число варьируемых значений каждой переменной от 3 до 4; при этом могут использоваться как качественные оценки (типа "высокая", "простая"), так и количественные. Задание значений всем исходным данным не является обязательным. По умолчанию все входные переменные устанавливаются в неопределенное состояние ("не знаю", "не важно" и т.д.). Для не определенных входов весовые коэффициенты, связывающие эти входы со скрытым слоем, устанавливаются в нуль. Необходимо выбрать следующие параметры ЛВС (в скобках указаны возможные варианты): 1) топологию (звезда, шина, кольцо); 2) физическую среду передачи данных (Ethernet, Оптоволокно, WiFi) ; 3) тип сетевой операционной системы (Windows 2000, Windows 2008, Solaris, OS/2 Warp, Intranet Ware, NetWare), 4) ранга сети (одноранговая, сеть с выделенным сервером, комбинированная). Таким образом, комбинаторная емкость исследуемого про |
4.1.5 Пример применения МНС к выбору параметров ЛВС Рассмотрим пример выбора топологии и других параметров локальной вы числительной сети (ЛВС) на основе многослойной нейронной сети персеп тронного типа [136]. Требования к создаваемой ЛВС и ответы ЛПР представ лены в табл. 4.3. Таблица 4.3 Требования к сети Оценка ЛПР п Стоимость Ниже средней гг Количество пользователей сети Среднее 10..20 гъ Простота установки и использования Средняя сложность Г4 Требуемая скорость передачи пакетов 10 Мбит/с г$ Надежность сети Средняя Гб Простота изменения конфигурации сети Не важно п Максимальная длина сегмента сети До 100 м Г8 Возможность использования различных сетевых ОС Не знаю Г9 Требования к администрированию сети Необходимость администрирования П о Возможность будущего расширения Да п 1 Расположение пользовательских ЭВМ в пространстве Хаотично Г п Проложен кабель для соответствующей топологии Нет Г \ 3 Требования к секретности Высокие П 4 Помехозащищенность информации Средняя П 5 Поддержка ОС предыдущих версий Нужна П б Поддержка сети 1Щегпе1 Нужна П 7 Мощные средства управления Не нужны Ответы ЛПР формируют вектор, состоящий в данном случае из 17 входных переменных. Число варьируемых значений каждой переменной от 3 до 4; при этом могут использоваться как качественные оценки (типа "высокая", "простая"), так и количественные. Задание значений всем исходным данным не является обязательным. По умолчанию все входные переменные устанавливаются в неопределенное состояние ("не знаю", "не важно" и т.д.). Для не определенных входов весовые коэффициенты, связывающие эти входы со скрытым слоем, устанавливаются в нуль Необходимо выбрать следующие параметры ЛВС (в скобках указаны возможные варианты): 1) топологию (звезда, шина, кольцо); 2 ) физическую среду передачи данных (lOBaseT витая пара, 10Base2тонкий Ethernet, 10Base5 толстый Ethernet, lOBaseF оптоволокно) ; 3) тип сетевой операционной системы (Windows 2000, Solaris, OS/2 Warp, Intranet Ware, NetWare 3 xx., Windows ЫТ 5.0), 4) ранга сети (одноранговая, сеть с выделенным сервером, комбинированная). Таким образом, комбинаторная емкость исследуемого пространства вариантов ЛВС составляет приблизительно 105, поэтому обычные переборные методы здесь не могут быть применены. Для решения каждой из этих задач формируется МНС, количество входов которой равно числу входных переменных (требований к сети), а число выходов определяется количеством исследуемых вариантов некоторого параметра ЛВС. Например, для топологии ЛВС число выходов НС равно 5, для физической среды передачи 4. Выбор числа скрытых слоев и числа нейро217 |