Скидка
Корзина (0)
Ваша корзина пустует и скучает ;)

Сравнительный анализ результатов работы различных архитектур ИНС, применяемых для аппроксимации данных

ID номер GIB054
Вид Материалы к дипломной работе Бакалавра
Написана в 2018
Наполнение 49 страниц, 17 рисунков, 6 таблиц, 24 источника

Содержание

ВВЕДЕНИЕ 3
1 Основные понятия ИНС 5
1.1 Структура и функции искусственного нейрона 5
1.2 Классификация и архитектура ИНС 7
1.3 Области практического применения ИНС 9
2 Исследование предметной области 11
2.1 Постановка задачи аппроксимации функций 11
2.1 Исследование многослойного персептрона и алгоритма обратного распространения ошибки 12
2.2 Исследование радиальных базисных сетей общего вида 15
2.3 Исследование обобщенной регрессионной сети GRNN 17
2.4 Исследование линейных ИНС 19
3 Применение ИНС для задачи аппроксимации функций 21
3.1 Выбор программной среды 21
3.2 Подготовка данных для обучения ИНС 23
3.3 Создание многослойной сети, обученной алгоритмом обратного распространения оши 24
3.4 Создание линейной сети 28
3.5 Создание обобщенной регрессионной сети GRNN 30
3.6 Создание радиально базисной сети RBF 33
3.7 Сравнение результатов 35
ЗАКЛЮЧЕНИЕ 46
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 47

Аннотация

Объектом исследований является применение ИНС для аппроксимации данных, имеющих функциональную зависимость.

Предметом исследований выступает выбор архитектуры ИНС, наиболее успешно справляющейся с задачей аппроксимации.

Целью исследований являлся сравнительный анализ результатов работы различных архитектур ИНС, применяемых для аппроксимации данных.

Задачами являются:

- исследование математических моделей ИНС;

- сравнительный анализ архитектур ИНС;

- изучение различных программных продуктов, позволяющих создавать ИНС;

- построение ИНС различных видов;

- применение построенных сетей для задачи аппроксимации функций;

- оценка результатов обучения ИНС для аппроксимации функций;

- сравнение эффективности работы сетей для решения поставленной задачи;

- применение ИНС для конкретной задачи, используя данные, не имеющие функциональной зависимости.

Введение

Решение задачи аппроксимации зачастую обязательно при исследовании числовых характеристик объекта в различных областях науки. Задача аппроксимации функций обусловлена невозможностью практического применения сложных математических функций. Задача может быть решена различными математическими методами, а также с помощью искусственных нейронных сетей (ИНС).

При построении решения задачи, использующего нейросетевой подход, существует проблема выбора наиболее подходящей архитектуры сети. Известно большое разнообразие архитектур ИНС. Каждая из них по-разному справляется с поставленными задачами. В связи с этим исследования по применению ИНС для аппроксимации функций имеют актуальный характер.

Исходя из результатов исследования, выбрана ИНС справляющаяся с задачей аппроксимации более эффективно. Лучшая из сетей применена для реальной задачи прогнозирования.

В качестве решаемой задачи, не имеющей функциональной зависимости, рассматривается задача прогнозирования урожайности полей, основываясь на данных температурного режима и уровне осадков за определенный период.

Заключение

В процессе подготовки данной выпускной работы были исследованы многослойный персептрон, линейная, радиально-базисная и обобщенно-регрессионные сети. Исследуемые сети были применены для задачи аппроксимации функций. Моделирование и обучение нейронных сетей осуществлялось с помощью пакета прикладных программ Neural Toolbox (NNT) программного комплекса Matlab и встроенного языка программирования. Написано 350 строк кода.

Проведен сравнительный анализ показателей указывающей на эффективность аппроксимации с применением каждой из исследуемых ИНС. Анализ коэффициентов детерминации, средних относительных и среднеквадратичных ошибок обучения сетей, а так же коэффициентов соответствия расчётных данных фактическим показали, что радиально-базисная сеть наиболее эффективно справляется с задачей аппроксимации функций. RBF сети очень точно описывают исходные математические функции.

Исходя из анализа полученных в исследовании данных, для решения задачи прогнозирования применена радиально-базисная сеть. Моделирование радиально-базисной сети осуществлялось при помощи программы статистической обработки информации IBM SPSS Statistics с использованием модуля Neural Networks. Предсказанные сетью значения практически полностью совпадают с фактическими, что указывает на высокую эффективность радиально-базисных сетей не только в задачах аппроксимации функций, но и в задачах прогнозирования. Применение рбф сетей должно быть обоснованным и при необоснованно большой размерности входных весов, сеть становится достаточно громоздкой, что затрудняет ее быстродействие.


Скачать работу на данную тему

Зачем покупать готовую работу?

В связи с тем, что авторы ITdiplom выполняют работы с использованием актуальной иностранной и русскоязычной литературы, собственных многолетних наработок, а также данных с официальных статистических ресурсов, готовые материалы не теряют своей актуальности и на сегодняшний день
Уникальность таких готовых работ на момент повторного приобретения по системе «Антиплагиат» варьируется в диапазоне 75-95%. При этом на протяжении учебного семестра/полугодия каждая работа реализуется единственный раз одному клиенту во избежание повторений при сдаче
Такие материалы с легкостью можно использовать как основополагающие для выполнения собственных работ

Цена готовой ВКР/НИР, дипломной работы или магистерской диссертации

Купить подобный готовый материал можно от 4.000 руб.
В стоимость включены:
- Готовый материал с уникальностью в диапазоне 75-95%
- Презентация и речь
- Корректировка до 10 страниц по замечаниям руководителя
- Репетиторские услуги вплоть до защиты
- Программный продукт (по запросу)

Как узнать точную цену готовой работы

Возможность продажи, точная стоимость конкретной работы и доп. информация предоставляются по запросу:
- Онлайн чат "Бесплатная консультация"
- Мессенджеры 8 (900) 299-30-57
- Запрос на почту zakaz@itdiplom.ru
В запросе необходимо указать ID номер или тему работы

Категории

Скачать презентацию к представленной выше работе

Скачать дипломную работу, представленную выше

Выбрать или купить другие готовые дипломные работы по схожей тематике

Заказать дипломную работу по схожей тематике или оценить стоимость можно при помощи формы Узнать стоимость моей работы.

Воспользуйтесь формой запроса точной стоимости готовых работ, указав ID номера или темы интересующих работ

В стоимость данной работы включены:

- Готовый материал с уникальностью в диапазоне 75-95%
- Презентация и речь, подготовка к защите
- Корректировка до 10 страниц по замечаниям руководителя
- Репетиторские услуги вплоть до защиты
- Программное обеспечение (зависит от темы - наличие по запросу)