- •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
Сохранение и загрузка инс
Программа «Искусственные Нейронные Сети 1.0» позволяет сохранять и восстанавливать сохраненные ранее сети. Для сохранения созданной сети нажмите File–>Save Net. В открывшемся диалоговом окне укажите имя файла.
Для загрузки сеnи из файла выберете пункт меню File –>Load Net. В открывшемся диалоговом окне укажите необходимый файл. Загруженная сеть полностью готова для проведения расчетов.
Устройство программы
Логическую схему и код программы смотрите в прилагающемся файле
«КОД-Искусственные Нейронные Сети 1.0.doc» или в исходных текстах программы.
«Искусственные Нейронные Сети 1.1»
«Искусственные Нейронные Сети 1.1» - это программа, позволяющая создавать ИНС типа многослойный перцептрон произвольной конфигурации, проводить их обучение, осуществлять с их помощью расчеты, а также являющаяся удобной платформой для проведения исследования пооведения ИНС. Настоящая программа является усовершенствованной версии программы «Искусственные Нейронные Сети 1.0», которая была создана в качестве опытного образца для отладки всех необходимых математических алгоритмов, структур хранения данных и интерфейса. Главное окно программы представлено на рисунке.
Искусственные Нейронные Сети 1.1
Выполняемые программой функции
Программа «Искусственные Нейронные Сети 1.1» выполняет следующие функции:
Создание многослойных перцептронов любой конфигурации4 с возможностью добавления линейного слоя на выход сети.
Обучение ИНС модифицированным методом обратного распространения ошибки с возможностью использования метода коррекции ошибки, а также используя стохастическое или групповое обучение. (Подробнее о перечисленных методах смотрите в разделе 3.3.4. Оптимизация метода обучения нейронной сети)
Проведение расчетов при помощи созданной ИНС
Сохранение/Восстановление ИНС
Возможность дискретизации входных параметров. (Подробнее о методе дискретизации смотрите в разделе 3.3.3 Формирование предпроцессора и постпроцессора сети)
Основные изменения
«Искусственные Нейронные Сети 1.1» претерпела некоторые изменения по сравнению с «Искусственные Нейронные Сети 1.0». Вот список основных изменений:
Последний слой ИНС может быть линейным. Т.е. появилась возможность замены функции активации последнего слоя с сигмоидальной на линейную. Это дает ИНС возможность моделировать процессы, диапазон выходных значений которых может изменяться от минус бесконечности до плюс бесконечности, а не от 0 до 1, как это было в предыдущей версии.
Изменен метод обучения ИНС. Внедрен более совершенный метод, позволяющий преодолевать локальные минимумы функции ошибки. Добавлен групповой способ обучения. Подробнее о внедренном методе обучения смотрите раздел 3.3.4. Оптимизация метода обучения нейронной сети
Добавлен специальный быстрый метод загрузки обучающей выборки, необходимый при больших объемах данных. Необходимость в этом методе возникла по причине сравнительно медленного функционирования СОМ связи с Microsoft Excel, вызывавщей проблемы в предыдущей версии программы.
Разделены файлы для проведения обучения и проведения расчетов. В предыдущей версии результаты расчетов, проведенных при помощи ИНС, могли выводиться только в файл, в котором содержалась обучающая выборка. В версии 1.1 этот недочет был исправлен. Вывод результатов расчетов может быть осуществлен в произвольный файл.
Добавлена функция резервного сохранения обучаемой ИНС во время процесса обучения. Потребность в такой функции была вызвана большой длительностью процесса обучения, в течение которого нежелательные скачки напряжения или сбои системы могли привести к полной потере информации.
Изменен способ хранения данных внутри программы. Связанные списки заменены массивами указателей. Это дало значительный прирост производительности программы.
Значительно изменен интерфейс программы. Он более логичен и понятен по сравнению с интерфейсом предыдущей версии. Функции разделены на отдельные вкладки; добавлены всплывающие подсказки, информационные окна, показатели продвижения процессов загрузки данных, обучения и т.д, а также дополнительные диалоговые окна, облегчающие работу с программой.
Руководство пользователя
