Розробка комп’ютерної системи для обробки результатів експерименту за допомогою штучної нейронної мережі

Abstract

Нейронні мережі знайшли своє використання в різних сферах комп’ютерного моделювання, в тому числі і в механіці. Вони часто використовуються, так як дають високу точність, швидкість і гнучкість роботи. Метою роботи є створення програмного забезпечення з використанням елементів штучного інтелекту, для апроксимації та інтерполяції експериментальних даних. Програмне забезпечення повинно коректо працювати, мати простий інтерфейс та видавати результати з мінімальною похибкою. Методом рішення було використання елементів штучного інтелекту, а точніше нейронних мереж прямого поширення. В роботі збудована та навчена нейронна мережа прямого поширення. Вона була навчена вчителем (вчитель з використанням метода зворотного розповсюдження похибки) на основі навчаючої вибірки попередньо проведеного експерименту. Для перевірки мережі на коректність роботи та визначення величини похибки відповіді мережі,проводилась перевірка на відомих даних які не використовувалися для навчання, так им методом була проведена незалежна оцінка і визначена точність відповіді мережі та знайдена оптимальна зона роботи мережі. В статті детально описується тип мережі та її топологія, кількість вхідних та вихідних і прихованих нейронів, типи функції активації, способи навчання і підготовки навчаючої вибірки, описані математично. В результаті проведеної роботи була збудована та протестоване пр ограмне забезпечення з використанням штучних нейронних мереж, визначена величина похибки і зона її оптимальної роботи.

Neural networks have found their use in various fields of computer modeling, including in mechanics. They are often used for enable high accuracy, speed and flexibility. The aim of the work is writing software using artificial intelligence for interpolation and approximation of experimental data. The software have to work correctly, has a simple interface and retrieve results with minimal error. The method of solution was the use of artificial intelligence, neural networks rather direct distr ibution. The neural network has been built and trained. It has been trained with a teacher (using the method of backward error propagation of) based on the training set obtained through the experiment. To test the network and the correctness of the determination of the error response network inspected for known data not used for training, this method has commissioned an independent assessment and determined the accuracy of the answers online and found the optimal area of the network. The article describes in detail the type of network and its topology, the number of input and output and hidden neurons activation functions types, methods of teaching and learning sample preparation described mathematically. As a result of this work was built and tested software using artificial neural networks ante error and the zone of optimal performance.