Магістерські роботи (СПСКС)

Постійне посилання зібрання

https://ela.kpi.ua/handle/123456789/21893

Переглянути

Перегляд Магістерські роботи (СПСКС) за Ключові слова "004.08"

Зараз показуємо 1 - 1 з 1
  • Ескіз
    ДокументВідкритий доступ
    Модифікація і застосування нейромережі Хебба
    (2018-12) Чухліб, Юрій Валентинович; Боярінова, Юлія Євгенівна
    Актуальність теми. З кожним роком людство ставить перед собою все більш складні задачі. Для вирішення цих задач створюються все більш складні та потужні алгоритмі, які зможуть це зробити набагато швидше та ефективніше, ніж людина. Але, часом, перед нами постають нелінійні задачі, коли набір вхідних даних кожен раз різний, на вхід приходять дані, які потрібно спочатку фільтрувати, а тільки потім вирішувати поставлену задачу. Для такого типу задач необхідно розробити алгоритм, якій вміє сумніватися, якій розуміє, що не може бути однозначної відповіді і який спроможний знаходити цю відповідь. Наприклад, це можуть бути задачі відстеження фроду при банківських операціях, аномальні показники лічильників у літаку або на атомних станціях. Це можуть бути задачі по розпізнаванню образів з фото або відео даних. Для таких класів задач створюють алгоритмі на основі так званого штучного інтелекту. Ці алгоритмі спроможні працювати кожен раз з різним набором даним, і так само ефективно при цьому вирішувати поставлену задачу. З часом, якщо набір вхідних даних буде змінюватись, такий алгоритм спроможний адаптуватись до цих змін, не перестаючи так само ефективно працювати. Але для цього потрібно навчити алгоритм та показати йому, яку саме відповідь він має знайти, опираючись на вхідні дані. Проблема в тому, що набори вхідних даних змінюються занадто доволі швидко, а алгоритми навчання доволі повільні, тому необхідно підібрати достатньо швидкі алгоритмі, щоб наш штучний інтелект міг так само швидко навчатись та пізніше ефективно адаптуватись до змін вхідних даних. Об’єктом дослідження є методи та алгоритми навчання нейронних мереж. Предметом дослідження Предметом дослідження є метод та алгоритм Хебба обробки сигналів і даних у нейронних мережах. Мета роботи: Метою роботи є створення високоефективних інформаційних технологій обробки та перетворення зображень і даних на базі архітектури системних обчислювальних середовищ та нейронних мереж для підвищення точності функціонування сучасних нейромереж як в режимі відтворення, так і в режимі навчання. Наукова новизна: 1. Запропоновано модифікований спосіб навчання, який базується на алгоритмі Хебба. 2. Виконано порівняльний аналіз розробленого способу з існуючим стандартним способом для вирішення задачі розпізнавання рукописних цифр. Практична цінність отриманих в роботі результатів полягає в тому, що розроблений модифікований спосіб навчання є більш точним, ніж стандартний. Структура та обсяг роботи. Магістерська дисертація складається з вступу, трьох розділів та висновків. У вступі подано узагальнену оцінку сучасного стану розвитку алгоритмів, обґрунтовано актуальність виконаного дослідження, дано загальну характеристику роботи, поставлено мету та задачу дослідження, і наведено практичну цінність роботи. У першому розділі розглянуто основні відмінності алгоритмів на основі штучного інтелекту, розглянуто існуючі методи навчання цих алгоритмів, їх принципи роботи та особливості, ключові недоліки та переваги. У другому розділі розглянуто принцип роботи навчання та алгоритму Хебба. У третьому розділі описано деталі реалізації базового та модифікованого алгоритму, створено програмний продукт на базі цих алгоритмів, зроблену порівняльний аналіз. У висновках представлені результати проведеної роботи. Робота представлена на 80 аркушах, містить посилання на список використаних літературних джерел.