-
Министерство образования и науки Российской Федерации
|
-
-
Пензенский государственный университет
|
А. В. Сивохин, А. А. Лушников, С. В. Шибанов
ИСКУССТВЕННЫЕ НЕЙРОННЫЕ СЕТИ
Лабораторный практикум
Наградной
логотип
вуза
-
|
Издательство
Пензенского государственного
университета
Пенза 2004
|
|
УДК 681.3
С34
Рецензенты:
Научно-технический совет Федерального государственного
унитарного предприятия ОАО «НПП «Рубин»
Кандидат технических наук, доцент кафедры «Прикладная математика»
Пензенского государственного педагогического университета
им. В. Г. Белинского
В. В. Дрождин
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
Искусственные нейронные сети основаны на весьма простой биологической модели нервной системы, состоящей из огромного числа (1011) нейронов, каждый из которых принимает взвешенную сумму входных сигналов и при определенных условиях передает сигнал другим нейронам. Количество связей нейронов в системе достигает 1015.
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
Toolbox (NNT) системы математического моделирования MATLAB 6 фирмы Math Works.
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
Цель работы: изучение основ проблемно-ориентированной системы программирования MATLAB, обеспечивающей работу с массивами строковых и числовых данных, матрицами, структурами, классами и ячейками с помощью матричных операций, функций, разнообразных управляющих структур и средств расширения системы, а также приобретение навыков применения командно-графического интерфейса системы для построения и исследования нейронных сетей различной архитектуры.
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.
|