Texnika fanlari nomzodi ilmiy darajasini olish uchun dissertatsiyalar

http://www.allbest.ru/ saytida joylashgan

mavhum
texnika fanlari nomzodi ilmiy darajasini olish uchun dissertatsiyalar

Mutaxassisligi 05.13.01 - “Tizimli tahlil, axborotni boshqarish va qayta ishlash (axborot-texnik tizimlar)”
Genetik algoritmlar yordamida neyron tarmoq modelini qidirish topologiyasi

Chistik Igor Konstantinovich

Krasnodar - 2013 yil

Ish FGBOU VPO "Kuban davlat texnologiya universiteti" da amalga oshirildi.

Ilmiy rahbar: texnika fanlari nomzodi Evgeniy Shumkov
Rasmiy raqiblar:
Texnika fanlari doktori, professor Snitkin Ivan Illarionovich, katta ilmiy xodim Sovet Ittifoqi marshali S.M. nomidagi Harbiy aloqa akademiyasining NIO. Budyonniy (Krasnodardagi filial)
Texnika fanlari nomzodi, dotsent Gershunina Natalya Nikolaevna, Kuban davlat texnologiya universiteti, Chizma geometriya va kompyuter grafikasi kafedrasi dotsenti
Etakchi tashkilot: Kuban davlat agrar universiteti
Dissertatsiya kengashining ilmiy kotibi D 212.100.04 m.k. texnologiya. Fanlar, dotsent Vlasenko A.V.
1. Ishning umumiy tavsifi
neyron tarmoq genetik topologiyasi
Muammoning dolzarbligi. Ko'p qatlamli perseptron va umuman neyron tarmoqlarning asosiy muammolaridan biri murakkablik darajasi o'rtachadan yuqori bo'lgan vazifalarni o'rganish muammosidir. Bunday vazifalardan biri tasvirni aniqlash va bashorat qilishdir. Neyron tarmog'ini o'qitish vazifasi murakkab jarayon bo'lib, avval siz tarmoqning tuzilishini - ulardagi qatlamlar va neyronlarni, kirish va chiqishlarni, ma'lumotlarni tayyorlashni, keyin tarmoqni o'rgatish kerakligini hal qilishingiz kerak. , ya'ni neyronlar orasidagi ulanish koeffitsientlarini tanlang, tekshirish to'plamida va haqiqiy ishda tekshiring. Neyron tarmoq strukturasini topish va uni o‘rgatishning zamonaviy usullaridan biri genetik algoritmlardan foydalanish hisoblanadi.
Butun son yoki kombinatoriy optimallashtirish masalalarini yechishda o‘rganilayotgan funksiyaning tabiati haqidagi taxminlar deyarli to‘liq bo‘lmaganda genetik algoritmlar yechim topishga qodir. Genetik algoritmlar evolyutsiyaning biologik jarayoni bilan chambarchas bog'liq bo'lib, uni biologik turlarni doimiy optimallashtirish jarayoni sifatida ko'rish mumkin, asosiy qo'llanma tabiiy tanlanishdir. Genetik algoritmlarning afzalliklari quyidagilardan iborat: genetik algoritmlar katta o'lchamdagi ma'lumotlar bilan va ulardagi tartibsiz ishlay oladi, ular keng doiradagi muammolarni, shu jumladan o'zgaruvchan muhit bilan bog'liq muammolarni hal qilish uchun ishlatilishi mumkin. Genetik algoritmlarning asosiy afzalligi shundaki, ular maxsus usullari mavjud bo'lmagan murakkab rasmiylashtirilmagan masalalarda qo'llanilishi mumkin. Shu bilan birga, agar muammoni hal qilishning maxsus usuli mavjud bo'lsa, unda genetik algoritm uni yo'qotishi mumkin.
Ishning maqsadi neyron tarmoq modellarini qidirish uchun genetik topologiyani ishlab chiqish, uni modellashtirish tizimining bir qismi sifatida dasturiy ta'minotni amalga oshirish va topologiyani dolzarb muammo bo'yicha sinovdan o'tkazishdir.
Dasturiy ta'minotni amalga oshirish ko'rib chiqilayotgan muammoning simulyatsiya modelini yaratish va modellar bilan turli tajribalar o'tkazish imkonini berishi kerak. Model bilan ishlashda tadqiqotchiga tizimning turli elementlarining munosabatlarini, ularning tizimning funktsional holatiga ta'sirini baholash qobiliyatini ifodalovchi bog'liqliklar, munosabatlar va taxminlarni o'rnatish imkoniyati berilishi kerak.
Tadqiqot maqsadlari:
neyron tarmoqlarni o'qitishning mavjud usullarini o'rganish va ularning qiyosiy tahlilini o'tkazish;
genetik algoritmlar va neyron tarmoqlardan birgalikda foydalanish usullarini tahlil qilish, o'zaro ta'sirning kuchli va zaif tomonlarini aniqlash;
adekvat neyron tarmog'i modelini genetik izlash uchun topologiya va algoritmni ishlab chiqish;
ishlab chiqilgan topologiyani modellashtirish majmuasining bir qismi sifatida dasturiy tarzda amalga oshirish;
yaratilgan topologiya va dasturiy ta’minotdan foydalangan holda moliyaviy vositalar kotirovkalarini prognozlash modelini ishlab chiqish;
topilgan bashoratli modellarning eksperimental tadqiqotlarini o'tkazish;
neyron tarmoq modellari uchun genetik qidiruvning tavsiya etilgan topologiyasi samaradorligini baholash.
Ilmiy yangilik:
- neyron tarmoq modellarini genetik qidiruv topologiyasi va uning ishlash algoritmi ishlab chiqildi;
- ishlab chiqilgan topologiyaning taklif qilingan variantlari;
a) neyron tarmoq strukturasini izlash;
b) neyron tarmoq ulanishlarining koeffitsientlarini izlash;
v) parallel genetik qidiruv bilan;
- shaxs prototipi tushunchasini kiritdi;
- moliyaviy vositalarning kotirovkalarini bashorat qilish uchun neyron tarmoq modellarini genetik qidiruv topologiyasi ishlab chiqildi.
Ishning amaliy ahamiyati neyron tarmoq modellarini yaratish uchun genetik topologiyani yaratish usulini ishlab chiqish va moslashtirish, NGSoftware modellashtirish tizimini ishlab chiqish, genetik va neyron tarmoq modellarini o'rganish va qo'llashdan iborat. NGSoftware tizimi moliyaviy bozorlarda ishlaydigan neyron tarmoqlarni yaratish uchun ishlatiladi.
Ishning aprobatsiyasi. Ishning asosiy qoidalari sinovdan o'tkazildi sakkizinchi xalqaro ilmiy-amaliy konferensiya "Sanoatda yuqori texnologiyalarni tadqiq qilish, rivojlantirish va qo'llash" (Sankt-Peterburg, 2009), "Zamonaviy axborot texnologiyalari" xalqaro ilmiy-texnik konferentsiyasi (Penza, 2009), XXX, XXXI Xalqaro ilmiy - "Iqtisodiyot, sotsiologiya va ta'limda matematik usullar va axborot texnologiyalari" texnik konferentsiyalari (Penza, 2013).
Mehnatning ilmiy-texnikaviy natijalarini ishlab chiqarishga joriy etish. Ishlab chiqilgan dasturiy ta'minot VTB 24 (YOAJ) (Krasnodardagi filiali), OOO Smena, ishlab chiqarish va qurilish kompaniyasi, Anapada amalga oshirildi .
Nashrlar. Dissertatsiya mavzusi bo'yicha 5 ta ish nashr etilgan, shu jumladan 1 ta maqola va 4 ta tezis (jumladan, 1 ta maqola Rossiya Ta'lim va fan vazirligi huzuridagi Oliy attestatsiya komissiyasi tomonidan tavsiya etilgan nashrlarda). Ixtiroga patent olish uchun ariza topshirildi.
Mudofaa uchun asosiy qoidalar:
neyron tarmoq modellarini genetik qidiruv topologiyasi;
neyron tarmoq modellarini genetik qidiruv topologiyasi algoritmi;
neyron tarmoq tuzilishi va ulanish koeffitsientlarini izlash uchun ishlab chiqilgan topologiyaning variantlari;
genetik algoritmlarda individual prototip tushunchasi;
ishlab chiqilgan topologiyani moliya bozorlarida ishlash uchun qo'llash;
ishlab chiqilgan topologiyaning qiyosiy tahlili natijalari.
Ishning tuzilishi va hajmi. Dissertatsiya ishi kirish, to‘rt bob, xulosa, 101 nomdagi foydalanilgan adabiyotlar ro‘yxati va 2 betdagi 1 ilovadan iborat. Asosiy matnning hajmi 130 bet mashinkada yozilgan matn, shu jumladan 23 ta rasm va 25 ta jadval.

2. Dissertatsiyaning qisqacha mazmuni

Kirishda tadqiqot mavzusining dolzarbligi asoslab berilgan, ishning maqsadi shakllantirilgan, muallif tomonidan olingan tadqiqotning asosiy natijalari ko‘rsatilgan, ularning ilmiy yangiligi, amaliy ahamiyati ko‘rsatilgan va himoyaga taqdim etilgan asosiy qoidalar aks ettirilgan.

Birinchi bobda neyron tarmoqlarni o'qitishning asosiy arxitekturalari va usullari muhokama qilinadi. Neyron tarmoq modellarini stoxastik qidirishning gradient usullari va usullariga alohida e'tibor beriladi. Neyron tarmoqlarning mavjud arxitekturalarining afzalliklari va kamchiliklari va ularni o'qitish usullari ochib berilgan. Gradientni o'rganish usullari ko'p vaqt talab etadi, ko'pincha global minimal emas, balki mahalliy minimallarda to'xtaydi. Gradient o'rganish usullarida tarmoq falaji tushunchasi ham mavjud. O'rganishni tezlashtirish va mahalliy minimallarni engib o'tishning turli usullari mavjud, ammo ularning aksariyati shaxsiy xususiyatga ega va ishlab chiquvchining tajribasiga tayanadi. Neyron tarmoqlarni o'qitishning deyarli barcha stoxastik usullari juda sekin birlashadi va muammolarni hal qilishning ko'p sonli bosqichlariga ega. Shu bilan birga, ular ko'p parametrli muammolar uchun juda samarali. Teskari aloqa neyron tarmoqlari, orqa tarqalish tarmoqlari, Kohonen tarmoqlari va boshqalar. ularning qo'llanilishida aniq.
Shuningdek, birinchi bobda mavjud genetik algoritmlarni tahlil qilish amalga oshiriladi. Xromosomalar ustidagi operatsiyalarning asosiy algoritmlari tasvirlangan: kesishmalar, mutatsiyalar va inversiyalar. Genetik algoritmlar va neyron tarmoqlardan birgalikda foydalanish variantlari ko'rib chiqiladi. Ilova variantlarining ijobiy va salbiy tomonlari aniqlanadi.
Bobning yakunida tadqiqotning maqsad va vazifalari shakllantiriladi.
Ikkinchi bobda neyron tarmoq modellarini genetik izlash uchun yangi topologiya taklif etiladi (1-rasm). Ushbu topologiyaning asosiy maqsadi kiruvchi topshiriq uchun neyron tarmog'i modelini avtomatik izlashdan iborat bo'lib, u vaqt seriyalari yoki kirish va chiqish ma'lumotlari to'plami bilan belgilanadi, topshiriqning javobi to'g'risidagi ma'lumotlar ham ko'rsatiladi, ya'ni nima qilinayotgani. hal qilingan va natija (lar) qanday bo'lishi kerak, agar bu o'qituvchi bilan mashg'ulot yoki tasniflash uchun ma'lumotlar bo'lsa. Ushbu topologiya quyidagi asosiy komponentlardan iborat:
• BZPN - neyron tarmoqlarning oldingi ishga tushirilishi haqidagi bilim bazalari;
• BZNS - neyron tarmoqlar bo'yicha bilim bazalari;
• BZGA - genetik algoritmlar bo'yicha bilimlar asoslari;
• BZVR - vaqt qatorlari bo'yicha bilimlar asoslari;
• BAVR - vaqt seriyalari tahlili bloki;
• BOSZ - vazifalarning murakkabligini baholash birligi;
• BGP – jismoniy shaxsning prototipini yaratish birligi;
• shaxslarning stokastik generatori;
• BPNO - yangi shaxslarni olish uchun blok;
• BOO - shaxslarni baholash bloki;
• BUP - aholini boshqarish bo'limi;
• BON - neyron tarmoqni o'rgatish bloki;
• Aholi sektorlari .



1 -rasm . Neyron tarmoq modelini qidirishning genetik topologiyasi

Topologiyaga kiritilgan bilim bazalari alohida ajratilgan: vaqt seriyalari (BZVR), neyron tarmoq modellari (BNNS), genetik algoritmlar (BZGP) va ilgari echilgan neyron tarmoq muammolari (BZPZ) (2-rasm).

Neyron tarmoqlar haqidagi bilimlar bazasi neyron tarmoqlari arxitekturasi va ularni o'qitish usullari, cheklovlari va hal qilinishi kerak bo'lgan muammolar sinflari haqidagi ma'lumotlarni saqlash uchun mo'ljallangan. BZNS ning asosiy vazifasi - optimalga yaqin parametrlarni topish uchun shaxslarning yangi prototiplarini shakllantirishga yordam beradigan qoidalarni ishlab chiqish. BZNS turi - bu ramka ekspert tizimining elementlari bilan birgalikda ishlab chiqarish ekspert tizimi.
BRWS yordamchi bilimlar bazasi bo'lib, uning asosiy vazifasi turli xil vaqt seriyalari ko'rsatkichlarini hisoblash uchun formulalar berishdir.
Oldingi neyron tarmoqlarni qidirish bo'yicha ma'lumotlar bazasi ikkita katta blokdan iborat:
neyron tarmoqlar tomonidan o'qitilgan vaqt seriyalari haqidagi bilimlar bloki (BZNS va BZGP mos keladigan blokiga nisbatan);
turli vazifalar uchun neyron tarmoqlarni qidirish natijalari haqidagi bilimlar bloki (shunga o'xshash bog'lash).
BZGA kengaytirilgan asosda quyidagi bloklardan iborat: "Jismoniy shaxslarni baholash parametrlari va formulalari", "Jismoniy shaxslarning banklarida jismoniy shaxslarni qidirishning maksimal vaqtini hisoblash", "Evolyutsiya bosqichlari sonini hisoblash", "Jismoniy shaxslarni baholash qoidalari" yangi shaxslarni yaratish”, “Keyingi davrda shaxslarni tanlash qoidalari”.
Neyron tarmoq modelining genetik qidiruv topologiyasi ishlashining umumiy algoritmi quyidagicha:
1-qadam. Topologiya kiritish kirishlar, chiqishlar, maqsad funktsiyasi to'liq yoki qisman ko'rsatilgan vazifani oladi. Umumiy holda, o'qituvchi bilan o'qitilgan vazifalar uchun kirish va chiqishlarning vaqt seriyalari va nazoratsiz o'qitish yordamida hal qilingan vazifalar uchun kirish seriyalari olinadi;
2-bosqich. Vaqt seriyalari va berilgan parametrlar muammoning murakkabligini baholash birligi va vaqt seriyalari tahlil birligi tomonidan tahlil qilinadi;
3-qadam. Vazifaning vaqt qatori, shuningdek, topshiriqning murakkabligi haqidagi ma'lumotlarga asoslanib, prototiplash bloki BZNS va BZPZN ma'lumotlaridan foydalangan holda, neyron tarmoq shaxslarining prototiplarini shakllantiradi;
4-qadam. Muammoning murakkabligi haqidagi ma'lumotlarga asoslanib, BZGA ma'lumotlarni stoxastik generatorga ulardagi jismoniy va jismoniy shaxslarning banklari soni bo'yicha prototipga muvofiq taqdim etadi;
Qadam 5. Prototip asosida stoxastik generator o'rnatilgan algoritm bo'yicha boshlang'ich populyatsiya shaxslarining ma'lum miqdordagi banklarini hosil qiladi;
6-qadam. Boshlang'ich populyatsiyani shakllantirish tugallangandan so'ng, nazorat yangi shaxslarni olish uchun blok va blokdan foydalangan holda (ishlab chiquvchi va BZGA tomonidan) belgilangan cheklovlar doirasida bo'lgan populyatsiyani boshqarish blokiga o'tkaziladi. shaxslarni baholab, yangi shaxslarni, yangi shaxslar banklarini va yangi populyatsiyalarni shakllantiradi. Yangi shaxslar, jismoniy shaxslar va aholining banklari foydalanuvchi yoki BZGA tomonidan o'rnatilgan cheklovlarning chegaraviy qiymatlarigacha yoki vazifaning maqsadli mezoniga erishilgandan so'ng shakllanadi.



Shakl 2. Bilimlar bazalarining ishlash ketma-ketligi

Yuqoridagi bosqichlardagi barcha kerakli parametrlar haqidagi ma'lumotlar bilimlar bazasida qayd etilgan.

Alohida-alohida, biz neyron tarmoqlar va oldingi topologiyalar bo'yicha bilimlar bazalaridan tarixiy ma'lumotlardan foydalangan holda topilgan parametrlarga ega shaxslarni dastlab olish uchun mo'ljallangan prototip yaratish blokini ko'rsatamiz. (3-rasm).



Rasm 3. Prototip yaratish bloki

Rasmda quyidagi belgilar kiritilgan: BRVKh - Kirishlarni hisoblash uchun blok; BROUT - chiqishlarni hisoblash uchun blok; BVTO - trening turini tanlash uchun blok; SO - o'rganish darajasi; BSD - ma'lumotlarni masshtablash birligi; BV FA - faollashtirish funksiyasini tanlash bloki; BRDOV - o'quv namunasining uzunligini hisoblash uchun blok; BRSN - qatlamlar va neyronlarni hisoblash uchun blok; BUVO - xato turini o'rnatish uchun blok; Vx - kirishlar; VX1 – VXn - kirishlarni raqamlash; Out1 – OutZ – chiqishlarni raqamlash; TO - trening turi; Sl - qatlamlar; H1 - HK - qatlamlardagi neyronlar soni.

Ushbu topologiya genetik algoritmlar va neyron tarmoqlardan birgalikda foydalanishning kamchiliklarini yo'q qiladi: turli tuzilmadagi shaxslar uchun "krossover" operatsiyasiga cheklovlar va neyron tarmoqlarni o'rganish jarayonini genetik qidiruv doirasidan alohida olib tashlash.
Taklif etilayotgan topologiya oldingi hal qilingan masalalar bo'yicha bilimlarni to'plash va bilimlar bazalarida to'plangan ma'lumotlardan yangi olingan muammolarni hal qilish uchun foydalanish imkonini beradi. Bu yangi vazifalar uchun mos neyron tarmoq modellarini qidirish vaqtini sezilarli darajada qisqartiradi.
Shuningdek, ikkinchi bobda topologiyani amalga oshirishning ikkita asosiy varianti taklif etiladi:
a) faqat neyronlar orasidagi bog'lanish koeffitsientlarini izlash;
b) neyron tarmoq strukturasini keyingi o'qitish bilan izlash.
Bob oxirida parallel hisoblash va a) va b) ning kombinatsiyalangan versiyasi bilan topologiyani yaratish masalasi ko'rib chiqiladi.
Ta'riflash jihatidan murakkab bo'lgan vazifalarni hal qila olish uchun shaxsning prototipi va unga asosiy genetik operatsiyalarni qo'llash tushunchasi kiritiladi (4-rasm).
Individning prototipi bitta asosiy xromosoma va qiz xromosomalardan iborat. Umumiy holda, bir nechta qiz xromosomalari bo'lishi mumkin. Qizning xromosomalari maxsus semantik yukni ko'taradi va shuning uchun genetik algoritmlarning asosiy operatsiyalari qo'llanilishi mumkin bo'lgan qoidalarni yozish kerak: kesishish, mutatsiya va inversiya. Agar prototip genetik algoritmlarda (ya'ni 0 va 1) genlarni kodlash uchun asosiy alifbodan farq qiladigan maxsus alifbo yordamida tasvirlangan bo'lsa, unda asosiy xromosoma uchun asosiy operatsiyalar qoidalarini alohida belgilash kerak, bolalar xromosomalari uchun qoidalar bilan birga.



Shakl 4. Individual prototipning ko'rinishi

Baza va qiz xromosomalaridagi genlar 4-rasmda ko'rsatilganidek ifodalansin. {X;Y} koordinata to'rini kiritamiz, qulaylik uchun faqat birinchi kvadrant ish maydoni bo'lsin.

Kiritilgan kodlash sxemasiga ko'ra, asosiy xromosoma har doim ordinata o'qiga parallel, bolalar xromosomalari esa abscissa o'qiga parallel bo'ladi. Keling, qiz xromosomalari chiqadigan genlarni ajratib ko'rsatamiz. Keling, ularni x-genlar deb ataymiz. Idrok qilish qulayligi uchun ular markazda nuqta bilan belgilanadi. Har bir genning koordinatalarini { } juft raqamlari sifatida kiritish mumkin.
Genetik algoritmlarning asosiy operatorlariga shaxsning prototipini qo'llash uchun kerakli modifikatsiyalar kiritildi: inversiya, mutatsiya va krossover.
Jismoniy shaxslarning kiritilgan kodlanishining o'ziga xos xususiyati shundaki, bitta populyatsiyada individlar genlar soni bo'yicha ham asosiy xromosoma, ham qizi bo'lganlar turli o'lchamlarga ega bo'lishi mumkin.
Shunday qilib, neyron tarmoq modellarini genetik qidiruv topologiyasi ishlab chiqildi, bu:
- genetik algoritmlar va neyron tarmoqlarning usullari to'plamidan foydalanib, kiruvchi vazifa uchun adekvat neyron tarmoq modelini topishga imkon beradi;
- yangi muammolarni hal qilish vaqtini qisqartirish uchun hal qilingan muammolar haqida bilimlarni to'plash;
- avtomatik rejimda harakat qilish va neyron tarmoq modelini qidirishda foydalanuvchini imkon qadar ko'proq tushirish;
- barcha sozlamalar va koeffitsientlar topologiyaning o'zi tomonidan o'zgartiriladi, lekin foydalanuvchi tomonidan mumkin bo'lgan sozlash bilan.
Biz yaratgan turli xil genetik algoritmlar yaratilgan topologiya bilan birgalikda evolyutsion strategiyalar bilan umumiy ma'noda kuchli kesishadi.
Uchinchi bobda ishlab chiqilgan topologiya bo'yicha tajribalar o'tkazish uchun axborot tizimini yaratish haqida so'z boradi. Qo'llash sohasi sifatida moliya sektori ma'lumotlarni olish va ish natijalarini baholash nuqtai nazaridan eng qulayi sifatida tanlandi. Topologiyani amalga oshirish uchun murakkab, ilmiy dasturiy ta'minotni ishlab chiqish uchun zamonaviy talablarga javob beradigan Internet texnologiyalari tanlandi. Shuningdek, Internet-texnologiyalarni tanlash, agar hisob-kitoblar deb ataladigan bo'lsa, katta hisoblash quvvatidan foydalanishga imkon beradi. "bulutli hisoblash".
Qiyosiy tahlil qilish uchun topologiyaning ikkala ishlab chiqilgan varianti ham amalga oshiriladi.
Og'irlik koeffitsientlarini qidirish topologiyasining varianti uchun biz shaxs prototipining quyidagi shaklidan foydalanamiz (5-rasm). Asosiy xromosoma neyron tarmog'i tuzilishining asosiy parametrlari haqida kerakli ma'lumotlarni o'z ichiga oladi: kirishlar soni, chiqishlar soni, qatlamlar soni, faollashtirish funktsiyasi va boshqalar. Va qiz xromosomalari ma'lum kirishlar, chiqishlar va bog'lanish og'irligi matritsalarini tavsiflaydi.



Shakl 5. Og'irlik koeffitsientlarini qidirish bilan topologiya varianti uchun shaxsning ko'rinishi

Quyidagi belgilar 5-rasmda keltirilgan: In - kirishlar; Chiqish - chiqishlar; - kirishlar soni (kiritish vaqt seriyasiga nisbatan), - chiqishlar; L - yashirin qatlamlar soni; - vazn koeffitsientlari matritsalari; - vazn koeffitsientlari; AF faollashtirish funktsiyasidir.

Ikkinchi topologiya varianti uchun quyidagi turdagi individlar taklif etiladi (6-rasm).



Shakl 6. Neyron tarmoq strukturasini izlash bilan topologiya varianti uchun shaxsni ko'rsatish

6-rasmda quyidagi belgilar qabul qilinadi: In - kirishlar; Chiqish - chiqishlar; - kirishlar soni (kiritish vaqt seriyasiga nisbatan), - chiqishlar; L - yashirin qatlamlar soni; LT - trening turi; - neyronlar soni; LS - o'rganish tezligi; AF - faollashtirish funktsiyasining turi.

Ushbu vazifani amalga oshirish xususiyatlariga ega bo'lgan bilim bazalarining o'ziga xos ilovalari ham berilgan.
Dissertatsiya tadqiqoti doirasida ishlab chiqilgan topologiyaning asosiy qo'llanilishi moliyaviy vositalarning kotirovkalarini prognozlash muammosi (FOREX bozori ). Taklif etilayotgan topologiya yordamida turli taqdimot oraliqlarida (taymfreymlarda) valyuta juftlari kotirovkalarini qisqa muddatli prognoz qilish uchun neyron tarmoq modeli qidiriladi. Valyuta juftliklarini bashorat qilish vazifasi juda murakkab va amalda hal etilmaydi.
Bashorat qilish uchun ko'p qatlamli perseptron va uni o'rgatishning quyidagi algoritmlari amalga oshiriladi: xatolarning orqaga tarqalishi, elastik tarqalish va Levenberg-Marquardt.
Shaxsning yaroqliligi o'lchovi sifatida neyron tarmog'ining natijasi, ya'ni o'rtacha nisbiy bashorat qilish xatosi tanlangan:


(1)

bu erda - taxmin qilingan kotirovkaning haqiqiy qiymati; - neyron tarmoq prognozi; - tekshirish namunasi misollari soni. Prognozlash uchun odatda bitta chiqishga ega neyron tarmoqlar ishlatiladi.

Keyingi populyatsiya uchun shaxslarni tanlash uchun kichik o'zgartirishlar bilan bir qator standart usullar qo'llanildi. Misol uchun, "ruletka" usuli uchun belgilangan chegaradan yuqori bo'lgan o'rtacha prognoz xatosi bo'lgan shaxslar kesilgan va "ruletka" faqat oldindan tanlangan shaxslar uchun ishlatilgan.
(2)

qayerda i-shaxsning yaroqliligi . - dastlabki tanlovdan o'tgan shaxslar soni.

Topologiyaning universalligini tekshirish uchun qurilish sohasida investitsiya loyihasini tanlash muammosi ko'rib chiqiladi.
Muammo bayonoti quyidagicha. Tijorat va turar joy uchun ko'chmas mulkni qurish uchun saytlar bo'lsin . Qurilayotgan binolarning loyihalari ham bor va to'plam bo'lsin - bular tijorat qurilish loyihalari va to'plam - turar-joy qurilishi loyihalari. Odatda < .
Ishlab chiqilgan topologiyaning qo'llanilishi quyidagicha. Asosiy xromosomaning har bir geni qurilish joyini bildirsin va ushbu saytda amalga oshiriladigan loyiha qidiriladi. Qizning xromosomalari qurilish parametrlari. Yana bir variant - saytdagi loyihani va sarmoya miqdorini izlash. Investitsiyalar taqsimotini qidirishda rentabellik indeksi, sof joriy qiymat, diskontlangan to'lov muddati va boshqalar kabi moliyaviy-iqtisodiy ko'rsatkichlarni hisobga olish kerak. Maqsadli funktsiya - qurilayotgan uy-joyning har kvadrat metri uchun tannarx bo'yicha ham, sotishda ham.
Dissertatsiyaning to'rtinchi bobida amaliy vazifa uchun ishlab chiqilgan topologiyadan foydalanish samaradorligini solishtirish bo'yicha tajribalar o'tkazildi - moliyaviy vositalar kotirovkalarini bashorat qilish uchun neyron tarmoq modellarini izlash.
Olingan eksperimental ma'lumotlarni tahlil qilish natijasida quyidagi xulosalar chiqarildi:
• ikkita topologiya variantini solishtirganda - vazn koeffitsientlarini qidirish va keyingi mashg'ulotlar bilan neyron tarmoq strukturasini izlash bilan birinchi topologiya varianti adekvat neyron tarmoq modelini ancha tezroq topishi aniqlandi (o'rtacha 4,19 marta). daqiqali diagramma va 5.09 soatlik diagramma ), lekin ko'proq shaxslar, aholi va ko'p marta ko'proq shaxslar banklarini tashkil qiladi;
• Tarmoq strukturasini izlash bilan neyron tarmoq topologiyasi modellari real ma'lumotlarni yaxshiroq bashorat qiladi, daqiqali diagramma uchun modellar uchun o'rtacha 7,8% va soatlik diagramma uchun modellar uchun 8,5%. Buning sababi, ushbu modellarning o'qitilganligi. Ya'ni, "ko'r" da vazn koeffitsientlarini izlash bilan topologiyaning varianti tarmoqning og'irliklarini qidiradi va tarmoq strukturasini izlash bilan topologiyaning varianti gradient o'rganish tufayli uning og'irliklarini moslashtiradi;
• bilimlar bazalaridan foydalanish genetik algoritmni standart amalga oshirish bilan solishtirganda neyron tarmoq modellarini qidirish jarayonini o'rtacha 38% ga tezlashtirish imkonini beradi (faqat vazn koeffitsientlarini qidirish bilan topologiya varianti uchun);
• yangi vazifa qo'shganda topologiyalar vaqt xususiyatlari bo'yicha taxminan bir xil bo'ladi. Bu to'plangan tarixga ko'ra modellarning taxminiy parametrlarini "taklif qiladigan" bilim bazalari ishlay boshlaganining natijasidir. Modelning haqiqiy ma'lumotlari bo'yicha prognozlash natijalariga ko'ra, tarmoq strukturasini izlash variantlari og'irlik koeffitsientlarini qidirishga ega modellardan ustundir. Bu, shuningdek, neyron tarmoqlar uchun o'quv bosqichining mavjudligi bilan izohlanadi.
Xulosa qilib dissertatsiya ishining asosiy natijalarini umumlashtirish berilgan.
Ilovada neyron tarmoqlar va genetik algoritmlarni amalga oshiradigan zamonaviy dasturiy mahsulotlar haqida umumiy ma’lumot berilgan.
Asosiy natijalar va xulosalar

Dissertatsiya ishining asosiy ilmiy natijasi nazariy asoslash, neyron tarmoqlarni o'rganish usullarini o'rganish va genetik algoritmlar va neyron tarmoqlardan birgalikda foydalanish usullarini tahlil qilish, shuningdek, genetik qidiruv topologiyasini ishlab chiqishdir. neyron tarmoq modellari va uning ishlash algoritmi.

Ishning asosiy nazariy va amaliy natijalari quyidagilardan iborat.
Neyron tarmoq modellarini izlash uchun genetik topologiya ishlab chiqilgan.
Neyron tarmoq modellari uchun genetik qidiruv topologiyasining ishlashi algoritmi ishlab chiqildi.
Topologiyaning turli xil variantlari ishlab chiqilgan, xususan a) neyron tarmoq modellarini izlash, sinaptik ulanishlar og'irliklarini topish; b) neyrotarmoqning strukturasini izlash orqali uni keyingi o'qitish bilan neyron tarmoq modellarini izlash; v) parallel qidiruv bilan; d) a) va b) birlashtirilgan topologiya.
Rivojlangan topologiya bilan birgalikda shaxsning prototipini joriy etish genetik algoritmlar yordamida deyarli har qanday murakkablikdagi muammolarni modellashtirish imkonini beradi.
Ishlab chiqilgan topologiya bilan tajriba o'tkazish uchun dasturiy ta'minotni modellashtirish qobig'i yaratilgan.
Natijalar moliyaviy kotirovkalarni bashorat qilish muammosi uchun ikkita topologiya variantini taqqoslashda olingan - og'irlik koeffitsientlarini qidirish va keyingi mashg'ulotlar bilan neyron tarmoq strukturasini izlash bilan: topologiyaning birinchi versiyasi mos keladigan neyron tarmoq modelini ancha tezroq topadi. , lekin ko'proq shaxslar, populyatsiyalar va ko'p marta ko'proq shaxslar banklari shakllanadi; ikkinchi variant haqiqiy ma'lumotlarni yaxshiroq bashorat qiladi - bu aynan ushbu modellar o'qitilayotganligi bilan bog'liq. Bilimlar bazalaridan foydalanish standart genetik algoritm bilan solishtirganda, oldingi hal qilingan muammolar bo'yicha to'plangan ma'lumotlar tufayli neyron tarmoq modelini tezda topishga imkon beradi.
Asosiy ishlar

1. Shumkov E.A., Chistik I.K. "Neyron tarmoqlarni o'qitish uchun genetik algoritmlardan foydalanish" // KubGAU politematik tarmoq elektron ilmiy jurnali [Elektron resurs]. No 7. 2013. Kirish rejimi: http :// ej . kubagro . ru / arxiv . asp ? n =91.

2. Shumkov E.A., Chistik I.K. "Moliyaviy vaqt seriyalari bo'yicha jalb qiluvchilar" // "Iqtisodiyot, sotsiologiya va ta'limda matematik usullar va axborot texnologiyalari". XXXI Xalqaro ilmiy-texnik konferentsiya maqolalari to'plami. - Penza: Privoljskiy bilimlar uyi. 2013. S. 42-44.
3. Shumkov E.A., Chistik I.K. “Q-learning yordamida avtotrader” // “Iqtisodiyot, sotsiologiya va ta’limda matematik usullar va axborot texnologiyalari”. XXX Xalqaro ilmiy-texnikaviy konferensiya maqolalari toʻplami. - Penza: Privoljskiy bilimlar uyi. 2012. S. 126-127.
4. Chistik I.K. "Zanjirlarni ifodalashning faktoriy shakli" // "Zamonaviy axborot texnologiyalari". Xalqaro ilmiy-texnik konferensiya maqolalari toʻplami. - Penza: Penza davlat texnologik akademiyasi, 2009 yil, 10-son, 69-71-betlar.
5. Chistik I.K. "Murakkablikning omilli o'sishi bilan bog'liq muammolarning echimlarini raqamlash to'g'risida" // "Yuqori texnologiyalarni tadqiq qilish, ishlab chiqish va sanoatda qo'llash". Sakkizinchi xalqaro ilmiy-amaliy konferensiya materiallari. - Sankt-Peterburg: Politexnika universiteti nashriyoti, 2009. S. 66-67.
Allbest.ru saytida joylashgan