Программа для обучения нейронной сети по алгоритму Кохонена

Тип работы:
Курсовая
Предмет:
Информатика
Страниц:
37

1760 Купить готовую работу
Узнать стоимость

Детальная информация о работе

Выдержка из работы

Другая область применения — обнаружение новых явлений. Сеть Кохонена распознает кластеры в обучающих данных и относит все данные к тем или иным кластерам. Если вдруг сети попадется наблюдение, не похожее ни на один из известных образцов, тогда она не сможет его классифицировать и тем самым выявит его новизну. Сети Кохонена являются на сегодняшний день одними из самых современных и перспективных.
Проектирование и обучение нейронных сетей удобно проводить в программе Matalb, в пакете Neural Network Toolbox. Этот пакет содержит средства для моделирования, обучения и использования множества парадигм современного аппарата искусственных нейронных сетей — от базовых моделей персептрона до самых современных — самоорганизующихся сетей Кохонена.
Для каждого типа нейронной сети в Neural Network Toolbox существуют функции инициализации, адаптации, обучения, создания, демонстрации, моделирования. Большим преимуществом пакета является то, что в него добавлен графический интерфейс пользователя (GUI-интерфейс), позволяющий создавать удобные программные приложения.
Таким образом, целью курсовой работы является создание и обучение самоогранизующейся нейронной сети Кохонена на выборке данных и сравнение полученных результатов с известными выходными значениями.
Для достижения поставленной цели необходимо решить следующие задачи:
1. Рассмотреть типовую структуру сети Кохонена.
2. Рассмотреть и сравнить различные программные средства для моделирования нейронных сетей.
3. Подготовить выборку данных для обучения сети, выбрать необходимое количество переменных.
4. Выполнить подготовку и предварительную обработку данных для подачи на входы нейросети.
5. Создать и обучить сеть Кохонена в программе Deductor на подготовленных данных.
6. Создать и обучить сеть Кохонена в программе Matlab на подготовленных данных.
7. Выполнить сравнение полученных результатов с известными значениями выходов и сделать соответствующие выводы.
В первом параграфе рассмотрим, что такое сети Кохонена и как они работают.

ПоказатьСвернуть

Содержание

Введение 2

1. Сети Кохонена 5

2. Карты Кохонена 10

3. Подготовка входного набора данных. 12

4. Программные средства для моделирования нейронных сетей Кохонена. 17

5. Обучение сети Кохонена в Deductor Academic. 18

6. Результаты кластеризации в Deductor 20

7. Настройка параметров отображения карты 23

8. Создание и обучение сети Кохонена в Matlab 26

9. Интерпретация полученных результатов в Matlab 29

Заключение. 34

Список литературы: 36

Приложение: 37

Список литературы

1. Галушкин, А. И. Нейронные сети: основы теории [Текст] - М.: Горячая линия -Телеком, 2012. — 496 с.

2. Асеева, Т. В. Системы искусственного интеллекта. Нейронные сети [Электронный ресурс]: конспект лекций;в составе учебно-методического комплекса / Тверской гос. техн. ун-т, Каф. ЭВМ — Тверь, 2006.

3. Терехов, В. А. Нейросетевые системы управления [Текст]: учеб. пособие для вузов по спец. «Управление и информатика в технических системах» / Терехов, В.А., Ефимов, Д.В., Тюкин, И.Ю. — М.: Высшая школа, 2002. — 183 с.

4. Методические указания по лабораторным работам по дисциплине «Интеллектуальные информационные системы» на тему: «Нейронные сети в MATLAB 6. 1» для специальностей 80 801 «Прикладная информатика (в экономике)» и 230 201 «Информационные системы и технологии» [Электронный ресурс]: в составе учебно-методического комплекса / Тверской гос. техн. ун-т, Каф. ИС; разраб. Н. А. Семенов — Тверь, 2005.

5. Маслова А. Ю. Использование нейронной сети карты Кохонена для распознавания образов // Информационно-вычислительные технологии и их применение: сб. ст. — Ч.2. — Пенза, 2010.

6. Нейронные сети: история развития теории: учеб. пособие для вузов по напр. «Приклад. математика и физика». Кн. 5 / под ред.: А. И. Галушкина, Я. З. Цыпкина — М.: ИПРЖР, 2001. — 840 с. — (10 412−1)

7. Галушкин, А. И. Нейрокомпьютеры: учеб. пособие для студентов по напр. «Прикл. математика и физика» — М.: Журнал «Радиотехника», 2000. — 524 с.

Заполнить форму текущей работой