Реферат: Реализация искусственной нейронной сети - текст реферата. Скачать бесплатно.
Банк рефератов, курсовых и дипломных работ. Много и бесплатно. # | Правила оформления работ | Добавить в избранное
 
 
   
Меню Меню Меню Меню Меню
   
Napishem.com Napishem.com Napishem.com

Реферат

Реализация искусственной нейронной сети

Банк рефератов / Компьютерные сети

Рубрики  Рубрики реферат банка

закрыть
Категория: Реферат
Язык реферата: Русский
Дата добавления:   
 
Скачать
Архив Zip, 241 kb, скачать бесплатно
Заказать
Узнать стоимость написания уникального реферата

Узнайте стоимость написания уникальной работы

Программная реализация искусственной нейронной сети для разделения хроматографических пиков. 1 Необходимость Одной из актуальных проблем в хроматографии является выделение пиков из их суперпозиции для более точного расчёта площади каждого из них. Существует множество статистических методов решения этой задачи (метод наим еньших квадратов , метод главных компонент и т . д .). Но в настоящее время наиболее интересен подход с использованием в этой области искусственных нейронных сетей (ИНС ). Искусственные нейронные сети перестают быть экзотикой . В последние годы разработки в это й области представляют большой интерес не только для учёного света , но и для практичных людей . Областей их применения множество . Это автоматизация процессов распознавания образов , адаптивное управление , аппроксимация функционалов , прогнозирование , создани е экспертных систем , организация ассоциативной памяти и многие другие приложения. При решении задачи выделения хроматографических пиков из их суперпозиции искусственные нейронные сети дают более точные результаты , чем методы статистики . Выделение производит ся путём прогнозирования фронта пика , скрытого из-за суперпозиции с соседним , на основании открытой части пика. Целью данной работы является программная реализация искусственной нейросети , которая обеспечит разделение пиков на хроматограмме. 2 Теоретическ ое обоснование Поскольку искусственные нейронные сети позволяют аппроксимировать функции , прогнозировать – их можно прекрасно использовать для решения настоящей проблемы : разделение хроматографических пиков (см . приложение А ). Хроматографические пики могут быть как симметричными так и не симметричными и являются искажёнными Гауссовыми функционалами . И если пик описывается некоторой функцией от времени f ( t ) , то на хроматограф поступает суперпозиция пиков , поэтому функция от времени отображаемая на его экране есть как сумма функций всех пиков : Поэтому образы пиков , которые присутствуют на хроматограмме , могут быть сильно искажены , из-за наложений , а в некоторых случаях скр ыты другими. Открытые части не сильно искажённых пиков позволяют спрогнозировать скрытую , и посчитать площадь под пиком. Метод прогнозирования заключается в следующем : 1.)На входы нейронной сети поступают отчёты , причём желательно нормированные : -среднее значение выборки временных значений примеров-входов, -их исправленная дисперсия. 2.)На выходы нейронной сети подаются соответствующие значения функции описывающей пик . Их необходимо преобразовать , чтобы они не превосходили 1, для чего нужно делить н а максимум выборки. 3.)После обучения сети до не обходимого уровня ошибки необходимо подать на вход значение времени , при котором требуется узнать значение функции . Полученное значение при прямом функционировании и есть прогнозируемая точка . Она же будет д обавлена в обучающую выборку . И снова провести выше описанные действия . Прогнозирование производится до тех пор , пока это необходимо. Целесообразно параллельно проводить прогнозирование смежного пика . Прогнозируемая точка смежного фронта соседнего пика мож ет быть получена следующим способом : 1.) Подать параллельной сети примеры соседнего пика. 2.) Подать на дополнительный вход разность между значением суперпозиции в этой точке и полученным значением в этой точке у соседнего пика. 4 Методика обучения нейрос ети Метод обучения нейросети на основании алгоритма обратного распространения представляет собой - распространение сигналов ошибки от выходов нейросети к ее входам , в направлении , обратном прямому распространению сигналов в обычном режиме работы. Ниже пред ставлен методика обучения НС с помощью процедуры обратного распространения строится так : 1. Подать на входы сети один из возможных образов и в режиме обычного функционирования НС , когда сигналы распространяются от входов к выходам , рассчитать значения посл едних . Ниже представлена формула расчёта взвешенной суммы весов : (1) где M – число нейронов в слое n-1 с учетом нейрона с постоянным выходным состоянием +1, задающего с мещение ; y i (n-1) =x ij (n ) – i-ый вход нейрона j слоя n. y j (n) = f(s j (n) ), где – сигмоид (2) y q (0) =I q , где I q – q-ая компонента вектора входного образа. 2. Рассчитать (N ) для выходного слоя по формуле : (3) Рассчитать изменения весов w ( N ) слоя N по формуле : (4) 3. Рассчитать для всех остальных слоев , n=N-1,...1 1) ( n) по формуле : (5) 2) w ( n) по формуле (15) 4. Скорректировать все веса в НС (6) 5. Если ошибка се ти существенна , перейти на шаг 1. В противном случае конец. 6 Заключение В ходе настоящей работы была разработана и реализована программно искусственная нейронная сеть . Программа написана в среде Borland Delphi 3 . Она представляет собой гибкую систему , в которой задаётся количество скрытых слоёв и количество нейронов в каждом из них . Количество входов и выходов одинаково и равно единице . Над программой был проведён длительный эксперимент , который продолжался около 10-ти часов . За это время нейронная сеть, реализованная в ней , обучалась по переднему фронту пика (см . приложение Г ). Нейронная сеть состояла из 4-х слоёв по 50 нейронов , и выходного слоя с одним нейроном . Сеть обучилась до уровня ошибки – 0,0016, за число итераций – 95649. Приложение А Пример суперпозиции пиков и их истинностных фронтов Приложение Г Результаты обучения Рис . 1. Результат работы программы Рис . 2. График зависимости ошибки обучения от номера итерации
1Архитектура и строительство
2Астрономия, авиация, космонавтика
 
3Безопасность жизнедеятельности
4Биология
 
5Военная кафедра, гражданская оборона
 
6География, экономическая география
7Геология и геодезия
8Государственное регулирование и налоги
 
9Естествознание
 
10Журналистика
 
11Законодательство и право
12Адвокатура
13Административное право
14Арбитражное процессуальное право
15Банковское право
16Государство и право
17Гражданское право и процесс
18Жилищное право
19Законодательство зарубежных стран
20Земельное право
21Конституционное право
22Конституционное право зарубежных стран
23Международное право
24Муниципальное право
25Налоговое право
26Римское право
27Семейное право
28Таможенное право
29Трудовое право
30Уголовное право и процесс
31Финансовое право
32Хозяйственное право
33Экологическое право
34Юриспруденция
 
35Иностранные языки
36Информатика, информационные технологии
37Базы данных
38Компьютерные сети
39Программирование
40Искусство и культура
41Краеведение
42Культурология
43Музыка
44История
45Биографии
46Историческая личность
47Литература
 
48Маркетинг и реклама
49Математика
50Медицина и здоровье
51Менеджмент
52Антикризисное управление
53Делопроизводство и документооборот
54Логистика
 
55Педагогика
56Политология
57Правоохранительные органы
58Криминалистика и криминология
59Прочее
60Психология
61Юридическая психология
 
62Радиоэлектроника
63Религия
 
64Сельское хозяйство и землепользование
65Социология
66Страхование
 
67Технологии
68Материаловедение
69Машиностроение
70Металлургия
71Транспорт
72Туризм
 
73Физика
74Физкультура и спорт
75Философия
 
76Химия
 
77Экология, охрана природы
78Экономика и финансы
79Анализ хозяйственной деятельности
80Банковское дело и кредитование
81Биржевое дело
82Бухгалтерский учет и аудит
83История экономических учений
84Международные отношения
85Предпринимательство, бизнес, микроэкономика
86Финансы
87Ценные бумаги и фондовый рынок
88Экономика предприятия
89Экономико-математическое моделирование
90Экономическая теория

 Анекдоты - это почти как рефераты, только короткие и смешные Следующий
Объяснительная в ГИБДД:
- Находился под действием психотропных существ.
- Правильно писать «веществ».
- Нет, я имею ввиду жену и тещу.
Anekdot.ru

Узнайте стоимость курсовой, диплома, реферата на заказ.

Обратите внимание, реферат по компьютерным сетям "Реализация искусственной нейронной сети", также как и все другие рефераты, курсовые, дипломные и другие работы вы можете скачать бесплатно.

Смотрите также:


Банк рефератов - РефератБанк.ру
© РефератБанк, 2002 - 2016
Рейтинг@Mail.ru