Методика побудови нейронної мережі в пакеті NEUROPRO 0.25

Розглянемо роботу нейронної мережі з використанням програмного пакета NeuroPro 0.25 (програма розроблена на кафедрі біофізики, інформатики та медичної апаратури Донецького державного медичного університету).

На рис.8.6 приведений інтерфейс програми.

Даний програмний продукт являє собою менеджер штучних нейронних мереж, що навчаються. Він працює у середовищі MS Windows 95 або MS Windows NT 4.0 і дозволяє робити наступні базові операції:

- Створення нейропроекту;

- Підключення до нейропроекту файлу (бази) даних у форматі.dfb (dBase, FoxBase, FoxPro, Clipper) або.db (Paradox);

- Редагування файлу даних – зміна існуючих значень і додавання нових записів у базу даних; збереження файлу даних в іншому форматі;

- Додавання до проекту нейронної мережі шаровидної архітектури з числом шарів нейронів від 1 до 10, числом нейронів у шарі – до 100;

- Навчання нейронної мережі вирішенню задачі прогнозування або класифікації. Нейронна мережа може одночасно вирішувати як кілька задач прогнозування (прогнозування декількох чисел), так і кілька задач класифікації, а також одночасно і задачі прогнозування і задачі класифікації.

- Тестування нейронної мережі на файлі даних, одержання статистичної інформації про точність вирішення задачі;

- Обчислення показників значимості вхідних сигналів мережі, збереження значень показників значимості в текстовому файлі на диску;

- Спрощення нейронної мережі;

- Генерація і візуалізація вербального опису нейронної мережі, збереження вербального опису в текстовому файлі на диску;

- Вибір алгоритму навчання, призначення необхідної точності прогнозу, настроювання нейронної мережі.

Рис. 0.6

. Інтерфейс програми NeuroPro 0.25

Від наявних у даний час нейромережевих програмних продуктів даний продукт відрізняє наявність можливостей цілеспрямованого спрощення нейронної мережі для наступної генерації вербального опису.

Застосування даного програмного продукту можливо в тих областях, де нейронні мережі традиційно й з успіхом застосовуються, а саме, у медицині, екології, при побудові моделей технічних об'єктів, їхньої ідентифікації і взагалі для рішення будь-якої задачі класифікації або прогнозу, що вирішується при наявності вибірки даних і для рішення якої раніше використовувалися традиційні математичні методи (регресійний аналіз, непараметрична статистика й інші), однак не була досягнута необхідна точність прогнозу. Оскільки на основі однієї таблиці даних може бути отримано декілька напівемпіричних теорій (декілька нейронних мереж мінімальної структури, що правильно вирішують ту саму задачу), то можливе рішення деяких задач когнітології і планування оптимізуючого експерименту.

У даній програмі реалізовані мережі шаровидної архітектури. У шаровидній мережі всі нейрони згруповані у декілька шарів, нейрони усередині одного шару можуть працювати паралельно. Кожен нейрон у шарі приймає усі вихідні сигнали нейронів попереднього шару, а його вихідний сигнал розсилається усім нейронам наступного шару.

Кожен нейрон мережі має адаптивний суматор, що обчислює зважену суму сигналів, що потрапили на нейрон, і наступний за ним нелінійний елемент.

Ваги адаптивних зв'язків при створенні мережі приймають випадкові значення і при навчанні мережі можуть змінюватися в діапазоні [-1,1].

Як нелінійний елемент нейрона використовується нелінійний сігмавидний перетворювач f(A)=A/(c+|A|), де A – вихід суматора нейрона, а константа c – параметр крутості сігмоїди.

Число шарів у мережі задається користувачем. Звичайно не варто задавати більше трьох шарів нейронів.

Число нейронів у шарах може бути різним і не залежати від числа вхідних і вихідних сигналів мережі.

Методику рішення практичних задач у програмі NeuroPro 0.25 розглянемо на прикладах розпізнавання образів і рішення задачі класифікації.