- •1. Введение
- •2. Основные положения теории искусственных нейронных сетей
- •2.1. Введение.
- •2.2. Задачи, решаемые при помощи инс
- •2.3. Устройство инс
- •2.3.1. Искусственный нейрон
- •2.3.2. Искусственная нейронная сеть.
- •2.4. Архитектуры инс
- •2.6. Обучение инс
- •2.5. Математическое обоснование работоспособности инс.
- •2.6.1. Метод обратного распространения ошибки
- •3. Моделирование аэродинамических характеристик несущего винта вертолета
- •3.1 Основные положения аэроупругой математической модели несущего винта
- •3.1.1. Моделирование упругих деформаций лопасти.
- •3.1.2. Уравнение движения лопасти.
- •3.1.3. Аэродинамическая нагрузка на несущем винте.
- •3.1.4 Расчет аэродинамических характеристик нв
- •3.2 Алгоритм моделирования аэродинамических характеристик несущего винта при помощи многослойного персептрона
- •4. Разработка и обучение нейронной сети, моделирующей аэродинамические характеристики несущего винта вертолета.
- •4.1 Разработка программного обеспечения, моделирующего искусственные нейронные сети.
- •4.1.1. Требования к по
- •4.1.2. Разработка по
- •4.1.2.1. Функции выполняемые программой «Искусственные Нейронные Сети 1.1»
- •4.1.2.2Принципиальная схема функционирования «Искусственные Нейронные Сети 1.1»
- •4.2 Исследование влияния конфигурации нейронной сети на эффективность ее работы
- •3.3.1.1. Оценка сходимости по числу нейронов в слое и количеству циклов обучения
- •3.3.1.2. Оценка сходимости по числу слоев сети и количеству циклов обучения
- •3.3.1.2. Оценка влияния числа входов/выходов нейросети.
- •4.3 Формирование предпроцессора и постпроцессора сети
- •3.3.2.1. Информативность параметров
- •3.3.2.2. Нормирование входных и выходных данных.
- •3.3.2.3. Дискретизация входных данных.
- •4.4 Оптимизация процесса обучения нейронной сети
- •3.3.3.1. Усовершенствование метода обратного распространения ошибки
- •3.3.3.2. Метод коррекции ошибки
- •4.5 Обучение нейронной сети с учетом результатов исследований.
- •5. Расчет характеристик несущего винта и сравнение с исходной расчетной моделью
- •5.1. Расчет коэффициента подъемной силы
- •5.2. Расчет коэффициента силы сопротивления
- •5.3. Расчет коэффициента крутящего момента
- •5.3. Расчет коэффициента момента тангажа
- •6. Основные результаты и выводы.
- •7. Расчет себестоимости создания нейросетевой математической модели нв и необходимого по.
- •7.1. Введение
- •7.2. Основные гипотезы и допущения
- •7.4.3. Заработная плата исполнителей.
- •7.4.3.1. Основная заработная плата.
- •7.4.4 Отчисления единого социального налога.
- •7.4.5 Расчет стоимости машинного времени
- •7.4.6 Материалы и комплектующие
- •7.6.6 Накладные расходы.
- •7.6.7 Суммарная себестоимость разработки по.
- •7.5 Расчет рентабельности
- •7.6 Итог
- •8. Безопасности жизнедеятельности. Рабочее место инженера расчетчика и оператора эвм
- •8.1 Введение
- •8.2 Объект экспертизы
- •8.3 Факторы влияющие на работу оператора эвм
- •8.3.1 Электромагнитное излучение
- •8.3.2 Статическое электричество
- •8.3.3 Вентиляция помещения
- •8.3.4 Микроклимат
- •Температуры и относительной влажности воздуха в помещениях с эвм
- •8.3.5 Освещение помещения
- •8.3.7 Электробезопасность
- •8.4 Эргономическая проработка рабочего места.
- •Моторные поля
- •8.5. Расчет показателей, характеризующих охрану и условия труда при работе за эвм.
- •8.5.1 Определение показателей степени автоматизации и механизации труда.
- •8.5.2 Определение показателей травмобезопастности труда.
- •Безопасные операции
- •8.5.3 Определение коэффициента безвредности труда.
- •8.5.4 Определение интегральных показателей.
- •8.6 Пожарная профилактика
- •Профилактика
- •Тушение пожара
- •8.7 Дерево отказов.
- •8.8 Охрана окружающей среды
- •Приложение «Искусственные Нейронные Сети 1.0»
- •Возможности программы
- •Руководство пользователя Загрузка обучающей выборки
- •Создание инс
- •Обучение инс
- •Проведение расчетов при помощи полученной инс
- •Сохранение и загрузка инс
- •Устройство программы
- •«Искусственные Нейронные Сети 1.1»
- •Выполняемые программой функции
- •Основные изменения
- •Создание новой инс
- •Загрузка обучающей выборки.
- •Обучение инс
- •Проведение расчетов при помощи полученной инс
- •Сохранение и загрузка инс
- •Устройство «Искусственные Нейронные сети 1.1»
- •Использованная литература
Приложение «Искусственные Нейронные Сети 1.0»
«Искусственные Нейронные Сети 1.0» - это программа, позволяющая создавать ИНС типа многослойный перцептрон произвольной конфигурации, проводить их обучение и осуществлять с их помощью расчеты. Настоящая программа является альфа версией рабочей программы «Искусственные Нейронные Сети 1.1», и была создана для отладки всех необходимых математических алгоритмов, структур хранения данных и интерфейса.
Главное окно программы представлено на рисунке.
Искусственные Нейронные Сети 1.0
Возможности программы
Программа «Искусственные Нейронные Сети 1.0» выполняет следующие функции:
Создание многослойных перцептронов любой конфигурации3
Обучение ИНС методом обратного распространения ошибки с возможностью использования метода коррекции ошибки
Проведение расчетов при помощи созданной ИНС
Сохранение/Восстановление ИНС
Разбиение обучающей выборки
Дискретизация входных параметров
Руководство пользователя Загрузка обучающей выборки
Для загрузки обучающей выборки необходимо:
В главном окне программы на вкладке «Загрузка выборки» нажать кнопку «Открыть». В появившемся окне необходимо указать необходимый файл формата Microsoft Excel, в котором содержаться данные для обучения.
После указания необходимого файла автоматически откроется указанный файл в окне Microsoft Excel и появится диалоговое окно, просящее указать входные параметры обучающей выборки
Укажите область, содержащую входные данные обучающей выборки (мышью выделите необходимую область) и нажмите «Ок»
Далее аналогично укажите область, содержащую выходные данные и нажмите «Ок».
Далее в главном окне программы на закладке «Загрузка выборки» необходимо указать, как были расположены данные: в столбец или в строку.
Это необходимо для того, чтобы программа определила количество необходимых входов и выходов сети. В показанном примере данные расположены в столбец. Входные и выходные данные обучающей выборки должны быть расположены одинаковым образом: либо в столбец, либо в строку, иначе программа посчитает, что у вас не соответствует количество входных и количество выходных параметров. Если у вас возникла необходимость указать другие входные или выходные данные нажмите на кнопку «Редактировать» перед соответствующим полем и заново укажите необходимые даные.
Для загрузки обучающей выборки в программу нажмите кнопку «Загрузить». При успешной загрузке в поле справа от кнопки появится сообщение об успешной загрузке.
Помните, что при значительных размерах обучающей выборки загрузка может занять достаточно длительное время (это происходит из-за сравнительно медленного функционирования СОМ связи).
Если при нажатии кнопки программа выдает сообщение о том, что количество входных параметров не соответствует количеству выходных параметров это означает, что в указанных данных не для каждого набора входных параметров можно найти набор выходных параметров или наоборот. Такая ошибка может возникнуть при неправильном указании расположения данных обучающей выборки (в столбец или в строку)
Для ее исправления заново укажите входные и выходные параметры, а также способ их расположения.
После того как обучающая выборка загружена, ее можно разбить на участки для повышения эффективности работы ИНС. Для этого необходимо поставить галочку «Разбить на участки», указать количество необходимых участков и нажать кнопку «Разбить»
С технической точки зрения это означает добавление к обучающей выборке еще одного входного параметра и присвоение ему индекса участка. Это делается для того, чтобы ИНС лучше различала различные участки моделируемого процесса. Однако, эта функция была реализована только в этой версии программы и не получила дальнейшего распространения из-за невысокой эффективности (такое разбиение эффективно только в ряде случаев) и возникших трудностей.
