Представление знаний в информационных системах

Содержание

1. Анализ исходных данных и разработка ТЗ

1.1 Основание и назначение разработки

1.2 Классификация решаемой задачи

1.3 Предварительный выбор класса НС

1.4 Предварительный выбор структуры НС

1.5 Выбор пакета НС

1.6 Минимальные требования к информационной и программной совместимости

1.7 Минимальные требования к составу и параметрам технических средств

2. Обучение НС

2.1 Формирование исходных данных

2.2. Окончательный выбор модели, структуры и параметров обучения НС

2.3 Блок-схема алгоритма обучения

3. Анализ качества обучения

4. Тестовый пример

5. Выводы

1. Анализ исходных данных и разработка технического задания

1.1 Основание и назначение разработки

Основанием данной работы является необходимость выполнения курсовой работы по дисциплине "Представление знаний в информационных системах".

Назначением работы является освоение нейронной сети.

1.2 Классификация решаемой задачи

В таблице 1 представлены некоторые проблемы, решаемые нейронными сетями [5].

Таблица 1.

Проблема	Исходные данные		Выходные данные		Задача		Применение
Классификация	вектор признаков		вектор, значения всех координат которого должны быть равными 0, за исключением координаты, соответствующей выходному элементу, представляющему искомый класс(значение этой координаты должно быть равным 1)		указание принадлежности входного образа одному или нескольким предварительно определенным классам		распознавание букв, распознавание речи, классификация сигнала электрокардиограммы, классификация клеток крови
Кластеризация (классификация образа без учителя)	вектор признаков, в котором отсутствуют метки классов		-		Алгоритм основан на подобии образов и размещает близкие образы в один кластер		извлечение знаний, сжатие данных и исследование свойств данных
Апроксимация функций (имеется обучающая выборка ((xl yi), (х2 , у2 ), ..., (xn, yw)), которая генерируется неизвестной функцией, искаженной шумом)	набор обучающих векторов		рассчитанное сетью значение функции		нахождение оценки функции
Прогнозирование ( заданы N дискретных отсчетов {(y(f1 ), y(f2 ), …, y(fN )} в последовательные моменты времени t1 , t2 , …, tN )	вектора данных по M признакам за T периодов времени	вектора данных по M признакам за периоды времени T+L		предсказание значения y(tN +1 ) в момент tN +1		принятие решений в бизнесе, науке и технике
Управление (рассматривается динамическая система, заданная совокупностью {u(t), y(t)})	u(t) - входное управляющее воздействие	(t) - выход системы в момент времени t		расчет такого входного воздействия u(t), при котором система следует по желаемой траектории, диктуемой эталонной моделью

Исходными данными для данной задачи является вектора(из нулей и единиц) размерности 60, которые описывают каждую из 10 арабских цифр, выбранных для обучения. Исходные данные предлагаются в прилагаемом файле "cifri.xls"

В этом же файле содержатся и выходные вектора размерности 10, где единица в одном из 10 положений означает принадлежность классифицируемого образца к той или иной цифре.

Сеть, принимая входной вектор, должна в соответствии с ним выдать соответствующий данной последовательности выходной вектор.

Исходя из исходных, выходных данных, задачам, которые необходимо решить, данная задача является задачей классификации.

1.3 Предварительный выбор класса нейронной сети

Список классов НС, в которых существует возможность решения задачи, отражён в таблице 2 [5].

Таблица 2.

Класс НС

сети прямого распространения (персептрон, однослойный и многослойный)

реккурентные (однослойные и многослойные, в том числе сети Хопфилда и двунаправленная ассоциативная память)

Из классов, которые не подходят для решения задач классификации можно указать многослойные динамические сети с возбуждением и торможением и динамикой второго порядка.

Строго и однозначно определить класс НС для этой задачи не представляется возможным, так как большинство из них в той или иной мере подходят для ее решения.<

Внимание, отключите Adblock

Вы посетили наш сайт со включенным блокировщиком рекламы!
Ссылка для скачивания станет доступной сразу после отключения Adblock!

Скачать