Създаване и обучение на невронни мрежи в системата Matlab, Статия в списание "Млад учен"
Библиографско описание:
Тази статия решава проблема с разработването на шаблон, който ви позволява да се запознаете с процеса на създаване и обучение, както и с прогнозиране на резултатите от невронни мрежи всистемата Matlab. Крайният резултат от работата е предназначен да помогне на студентите от технически специалности и да овладеят началния етап на работа с невронни мрежи. За изпълнение на задачата систематаMatlabR2013b.
Ключови думи:невронна мрежа, прогнозиране.
Технологиите на изкуствените невронни мрежи са една от най-важните области на съвременната наука. Те се използват широко в различни области на науката и индустрията. Много внимание се обръща на изучаването на тази област на изкуствения интелект в хода на обучението на студенти по компютърни науки и компютърни технологии.
В курса „Технологии на изкуствения интелект в управлението“ на Амурския държавен университет на името на Шолом Алейхем студентите се обучават да използват въпросната технология в различни среди. Следователно задачата беше да се разработи прост шаблон, чрез който човек да може да се запознае с предимствата и недостатъците на изкуствените невронни мрежи и да го използва в по-нататъшна научна и практическа работа.
Една от съществуващите системи, която позволява реализирането на невронни мрежи в доста проста форма, е Matlab, за която има много научни разработки.
И така, В. Д. Семейкин и А. В. Скупченко [1] се занимават с изучаването и създаването на модели на невронни мрежи за решаване на телекомуникационни проблеми. В. О. Андреев, Н. В. Савиных разгледаха подхода за интелектуализация на технологичните процеси и процесите на управление, базирани на мекаизчисления, чието ядро е размита логика, изкуствени невронни мрежи и генетични алгоритми [2]. В своята работа М. Ю. Буриченко, О. Б. Иванцев, О. В. Букреева представиха възможностите за използване на софтуерния пакет Matlab за изграждане на модели за прогнозиране с помощта на изкуствени невронни мрежи, представиха резултатите от изграждането на пет изкуствени невронни мрежи, анализираха резултатите и възможността за преразглеждане и коригиране на теглата на конструираната изкуствена невронна мрежа [4]. Д. Балабио и М. Васини в своята статия [6] описват набор от инструменти на системата Matlab за създаване на карти на Кохонен, като дават практически пример. A. Neyamadpour пише за възможността за представяне на 2D формат в 3D формат с помощта на невронни мрежи в системата Matlab [7]. Теоретичните аспекти на програмирането на невронни мрежи са описани в различни ръководства [3, 5, 7, 8].
След изучаване на теоретичната информация беше създадена лабораторна работа, която показва пример за изграждане на невронна мрежа въз основа на данни за броя на студентите от Амурския държавен университет на името на Шолом Алейхем, които са издържали изпитите с отлични оценки от 2007 до 2012 г. (Таблица 1). Той също така прави прогноза за данните за 2013 г. и ги сравнява с реални данни.