Искусственные нейронные сети

Министерство образования и науки Российской Федерации

Пензенский государственный университет

А. В. Сивохин, А. А. Лушников, С. В. Шибанов

ИСКУССТВЕННЫЕ НЕЙРОННЫЕ СЕТИ

Лабораторный практикум

Наградной

Издательство Пензенского государственного университета Пенза 2004

         С34

Рецензенты:

Научно-технический совет Федерального государственного

Кандидат технических наук, доцент кафедры «Прикладная математика»

С34                 Сивохин, А. В. Искусственные нейронные сети [Текст]: Лаб. практикум / А. В. Сивохин, А. А. Лушников, С. В. Шибанов. – Пенза: Изд-во Пенз. гос. ун-та, 2004. – 136 с.: 8 ил., библиогр. 10 назв.

Рассматриваются вопросы проектирования, обучения, анализа и моделирования известных типов нейронных сетей в системе MATLAB 6 с использованием пакета Neural Networks Toolbox (NNT).

Лабораторный практикум подготовлен на кафедре «Математическое обеспечение и применение ЭВМ» и предназначен для студентов специальностей 220400 и 220100 при изучении дисциплин «Нейрокомпьютерные системы», «Системы искусственного интеллекта» и «Системное программное обеспечение».

УДК 681.3

© Издательство Пензенского государственного     университета, 2004

© Сивохин А. В., Лушников А. А.,
    Шибанов С. В., 2004

Введение

Теория нейронных сетей возникла из исследований в области искусственного интеллекта и связана с попытками воспроизведения способности нервных биологических систем обучаться и исправлять ошибки, моделируя низкоуровневую структуру мозга. Исследования по созданию таких систем на основе высокоуровневого (символьного) моделирования процесса мышления не принесли желаемых результатов. Эта теория развивалась в течение последних пяти десятилетий и за последние пятнадцать лет нашла широкое практическое применение: в космонавтике и аэронавтике – для имитации траекторий полета и построения систем автоматического пилотирования; в военном деле – для управления оружием и слежением за целями; в электронике – для разработки систем машинного зрения и синтеза речи; в медицине – для диагностики заболеваний и конструирования протезов; в производстве – для управления технологическими процессами, роботами и т. д. Такой успех нейронных сетей объясняется тем, что была создана необходимая элементная баз для реализации нейронных сетей, а также разработаны мощные инструментальные средства для их моделирования в виде пакетов прикладных программ. К числу подобных пакетов относится пакет Neural Networks

Пакет прикладных программ NNT содержит средства для построения нейронных сетей, базирующихся на поведении математического аналога нейрона. Пакет обеспечивает эффективную поддержку проектирования, обучения, анализа и моделирования множества известных типов сетей – от базовых моделей персептрона до самых современных ассоциативных и самоорганизующихся сетей. В пакете имеется более 15 таких типов. Для каждого типа архитектуры и обучающих правил имеются М-функции инициализации, обучения, адаптации, создания, моделирования, отображения, оценки и демонстрации, а также примеры применения. Обеспечена возможность генерации переносимого кода с помощью пакета Real Time Workshop, также входящего в систему MATLAB 6.

Лабораторные работы, описания которых содержатся в данном практикуме, разработаны с целью научить студентов эффективно использовать мощный инструментальный пакет NNT системы
MATLAB 6 для проектирования, анализа и моделирования нейронных сетей. Первые две лабораторные работы позволяют освоить интегрированную среду системы MATLAB и основы программирования на языке сверхвысокого уровня этой системы. Остальные лабораторные работы дают возможность познакомиться со многими типами нейронных сетей, научиться создавать, обучать и исследовать такие сети. Описательная часть лабораторной работы содержит необходимый минимум сведений по теме, практическая часть включает достаточное число заданий для приобретения навыков в использовании пакета NNT.

Лабораторная работа № 1

Основы программирования
в системе MATLAB

Теоретические сведения

Введение

Мощная инструментальная система MATLAB обеспечивает процедурное, операторное, функциональное, логическое, структурное, объектно-ориентированное и визуальное (средствами пакета Simulink) программирование. Она базируется на математико-ориентированном языке сверхвысокого уровня, который упрощает запись алгоритмов и открывает новые методы их создания.

Язык системы MATLAB по своей структуре напоминает популярный командный язык Бейсик. Команды языка исполняются в режиме интерпретации. С его помощью можно создавать текстовые модули-функции и модули-сценарии. Файлы, где хранятся такие модули, имеют расширение *.m и называются М-файлами, а находящиеся в них функции – М-функциями. В системе имеется огромная библиотека М-функций в текстовом формате, которые можно модифицировать для достижения желаемых целей. Пользователь может создавать собственные М-функции и включать их в систему по словарному принципу.

Базовые средства языка программирования

Система MATLAB может использоваться в двух режимах: в режиме непосредственного счета (командный режим) и в режиме программирования.

В командном режиме пользователь последовательно вводит команды входного языка и получает ответ. С помощью этого режима можно решить множество математических задач различной сложности.

Однако при решении серьезных задач возникает необходимость сохранения используемых последовательностей вычислений, а также их дальнейших модификаций. Для решения этой задачи система MATLAB имеет в своем составе мощный язык программирования высокого уровня.

Программами в системе MATLAB являются файлы текстового формата с расширением m, содержащие запись программ в виде программных кодов.

Для редактирования файлов программ может использоваться любой текстовый редактор, а также специальный многооконный редактор. Редактор программ системы MATLAB имеет следующие возможности:

цветовая подсветка синтаксиса, позволяющая выявить ошибки;

синтаксический контроль на стадии подготовки М-файла;

установка точек прерывания при интерпретации команд;

автоматическая нумерация строк программы для выдачи сообщений.