Практическое использование нейронных сетей в Среде Matlab

Автор

Страниц

25

Год

—

Книга Дмитрия Степановича Маголы является учебным пособием, посвящённым практическому применению искусственных нейронных сетей в решении задач в области физико-математических наук. Автор объясняет высокую популярность нейронных сетей среди специалистов, подчеркивая их преимущества по сравнению с традиционными математическими методами, особенно в случаях, когда задачи сложно формализовать, когда отсутствует подходящий математический аппарат или когда актуальность задач требует быстрого и эффективного решения.

Пособие содержит практические примеры, основанные на использовании системы MATLAB и пакета Neural Networks Toolbox, включая применение нейронных сетей для задач регрессии, классификации, кластеризации и распознавания образов. В частности, автор описывает цели научить читателей использовать нейронные сети для аппроксимации и прогнозирования, включая шаги по построению и обучению моделей в MATLAB.

Читать бесплатно онлайн Практическое использование нейронных сетей в Среде Matlab - Дмитрий Магола

ISBN 978-5-0065-7322-2

Создано в интеллектуальной издательской системе Ridero

ВВЕДЕНИЕ

В учебном пособии предложены примеры практического применения активно используемого инструмента по направлению искусственного интеллекта: искусственным нейронным сетям.

Необычайно высокий интерес к нейронным сетям, проявляемый специалистами из разных областей деятельности, объясняется, прежде всего, очень широким диапазоном решаемых с их помощью задач, а также рядом преимуществ перед другими методами.

Анализ работ, связанных с использованием нейронных сетей для решения физико-математических задач, показывает, что нейросетевой и нечеткий подходы имеют преимущества перед традиционными математическими методами в трех случаях.

Во-первых, когда рассматриваемая задача в силу конкретных особенностей не поддается адекватной формализации, поскольку содержит элементы неопределенности, не формализуемые традиционными математическими методами.

Во-вторых, когда рассматриваемая задача формализуема, но на настоящее время отсутствует аппарат для ее решения.

В-третьих, когда для рассматриваемой, хорошо формализуемой задачи существует соответствующий математический аппарат, но реализация вычислений с его помощью на базе имеющихся вычислительных систем не удовлетворяет требованиям получения решений по времени, энергопотреблению и др. В такой ситуации приходится либо производить упрощение алгоритмов, что снижает качество решений, либо применять соответствующие нейросетевой подход при условии, что он обеспечит нужное качество выполнения задачи.

В пособии приведены примеры в системе MATLAB с использованием пакета нейронных сетей Neural Networks Toolbox. Предложены решения с помощью нейронных сетей практических задач регрессии, классификации, кластеризации, распознавания образов.

Практическая работа 1. Использование нейронных сетей для решения задач регрессии

Цель работы: научиться использовать нейронные сети для решения задач аппроксимации и прогнозирования.

Задание 1: В среде MATLAB необходимо построить и обучить многослойную нейронную сеть для аппроксимации таблично заданной функции y_>i=f (x_>i), i=1,2,…,20. Разработать программу, которая реализует нейросетевой алгоритм аппроксимации и выводит результаты аппроксимации в виде графиков. Варианты задания представлены в табл. 1.1.

Задание 2: Используя инструмент NNTool решить задачу прогнозирования на основе следующих данных: имеется 100 входных значений х от 0.1 до 10 с шагом 0.1 и соответствующие им значения выходной переменной y. Зависимость y от x следующая:,y (x) =x^>2—2x+1 но исследователю данная зависимость неизвестна, а известны лишь числовые значения y_>i, i=1,2,…,100. Требуется найти значение y от x> 10.

Задание 3: В среде MATLAB необходимо построить и обучить нейронную сеть радиально-базисных функций для аппроксимации заданной функции y_>i=f (x_>i) =sin (x_>i) -cos (x_>i), x=0, 0.5,…,10, i=1,2,…,21.

Варианты заданий

Значения x_>i=i*0.1, i=1,2,…,20 одинаковые для всех вариантов

1.1. Основные теоретические сведения

При изложении теоретических сведений использовались работы [1—4].

Под искусственными нейронными сетями (далее – нейронными сетями) подразумеваются вычислительные структуры, которые моделируют простые биологические процессы, обычно ассоциируемые с процессами человеческого мозга. Они представляют собой распределенные и параллельные системы, способные к адаптивному обучению путем анализа положительных и отрицательных воздействий. Элементарным преобразователем в данных сетях является искусственный нейрон или просто нейрон, названный так по аналогии с биологическим прототипом. К настоящему времени предложено и изучено большое количество моделей нейроподобных элементов и нейронных сетей.

Продолжить чтение

Вам может понравиться: