|
139 ЗАКЛЮЧЕНИЕ 1. Проведено теоретическое обобщение и получено решение важной научно-технической проблемы создания методологической базы, моделей, методов, алгоритмов и программ для формирования интеллектуальной информационной технологии нового типа, обеспечивающей обучение, адаптацию и модификацию нейросетевых баз знаний к проблемной среде с учетом неполноты исходной информации. 2. Разработаны методы и алгоритмы, повышающие эффективность использования нейросетевых и гибридных моделей в ИИТ, и на их основе создан комплекс программных средств, обеспечивающий адаптацию, обучение, самообучение и модификацию нейросетевых и гибридных модулей обработки информации с учетом специфики предметной области. 3. Разработаны принципы построения специализированных нейросетевых баз знаний для конкретной проблемной области и методы формирования нейронных сетей на основе предварительного обучения базовых нейросетевых и гибридных модулей, обеспечивающих их модификацию, обучение и адаптацию к решаемой задаче. 4. Проведено теоретическое и экспериментальное исследование генетического алгоритма (L'A) для обучения НС, являющегося альтернативой алгоритму обратного распространения ошибки (Back Propagation -BP), обеспечивающего увеличение скорости сходимости к глобальному минимуму ошибки обучения и уменьшение ошибки распознавания, а именно: • на основе анализа естественных природныхмеханизмов эволюции предложены, реализованы новые операторы селекции хромосом, кроссинговера; хромосомной мутации, отбора, которые; в отличие от классических, повышают вероятность нахождения глобального экстремума функции ошибки НС со сложным ландшафтом. Проведено экспериментальное исследование влияния предложенных операторов-на эффективность поиска и получены рекомендации о целесообразном их использовании в генетическом алгоритме при оптимизации функции ошибки НС; |
Заключение В рамках диссертационной работы проведено теоретическое обобщение и получено решение важной научно-технической проблемы создания методологической базы, моделей, методов, алгоритмов и программ интеллектуальной системы поддержки принятия решений нового типа, обеспечивающей обучение, адаптацию и модификацию баз знаний к проблемной среде с учетом неполноты исходной информации. Основные результаты работы заключаются в следующем. 1. Разработаны методы и алгоритмы, повышающие эффективность использования нейросетевых и гибридных технологий в интеллектуальных системах поддержки принятия решении, и на их основе создан комплекс программных средств, обеспечивающий адаптацию, обучение, самообучение и модификацию нейросетевых и гибридных модулей обработки информации в процессе выработки и анализа решений с учетом специфики предметной области. 2. Разработаны принципы построения специализированной нейросетевой базы знаний для конкретной проблемной области и методы формирования нейронных сетей на основе предварительного обучения базовых нейросетевых и гибридных модулей, обеспечивающих их модификацию, обучение и адаптацию к решаемой задаче 3. Решена задача настройки (автоматического формирования топологии) нейронного модуля и многомодульной нейронной сети на конкретную прикладную задачу, решаемую в ИСПГТР, на основе модифицированного конст374 руктивного подхода и генетического алгоритма, экспериментальное исследование которых показало, что количество межнейронных связей в нейронном модуле уменьшается примерно на 30% по сравнению с полносвязной нейронной сетью, что позволяет, в свою очередь, уменьшить время распознавания и время обучения в сетях, использующих данный модуль. 4. Проведено теоретическое и экспериментальное исследование генетического алгоритма для обучения нейронной сети, являющегося альтернативой алгоритму обратного распространения ошибки (Back Propagation -BP), обеспечивающего увеличение скорости сходимости к глобальному минимуму ошибки обучения и уменьшение ошибки распознавания, а именно: на основе анализа естественных природных механизмов эволюции предложены, исследованы и реализованы новые операторы селекции хромосом, кроссинговера, хромосомной мутации, отбора, которые, в отличие от классических, повышают вероятность нахождения глобального экстремума функции ошибки нейронной сети со сложным ландшафтом; предложен, исследован и реализован многопопуляционный генетический алгоритм обучения нейронной сети, позволяющий, в отличие от известных, изменять процедуру обмена хромосом между популяциями, в зависимости от ситуации поиска, что повышает достоверность принимаемого решения; • разработан, исследован и реализован двухэтапный алгоритм оптимизации, позволяющий за счет использования на первом этапе генетического алгоритма быстро локализовать область существования глобального экстрему375 ма, а на втором за счет использования локального алгоритма оптимизации повысить точность нахождения экстремума; проведено экспериментальное исследование влияния различных генетических операторов на эффективность поиска и получены рекомендации о целесообразном их использовании в генетическом алгоритме при оптимизации функции ошибки нейронной сети. 5. Создана методологическая и инструментальная среда для построения нейронных сетей с требуемыми характеристиками из предварительно обученных и вновь разрабатываемых нейросетевых и гибридных модулей для конкретных приложений. В том числе: предложены и программно реализованы усовершенствованные неиросетевые классификаторы персептронного типа, позволяющие, в отличие от классификаторов, обучающихся по стандартному алгоритму ВР, решить следующие задачи: 1) повысить скорость сходимости алгоритма обучения ВР на 2530% за счет регулирования параметров обучения на основе нечеткой логики; 2) уменьшить ошибку распознавания на 30-40 % и время обучения в тысячу и более раз при той же обучающей выборке за счет разработки комбинированного генетического алгоритма с динамическим изменением параметров во время процедуры оптимизации на основе недетерминированного алгоритма поиска экстремума алгоритма имитации отжига; 3) уменьшить время обучения нейронной сети за счет разработки алгоритма автоматического останова процедуры обучения, при этом число 376 |