Главная страница » Конкурсные работы участников » Технические науки » Курсовая работа “Нахождение оптимальных весовых коэффициентов для нейронной сети методом дифференциальной эволюции”

Курсовая работа “Нахождение оптимальных весовых коэффициентов для нейронной сети методом дифференциальной эволюции”

Автор (ы)

Русин Дмитрий Сергеевич

Аффилиация

Сибирский федеральный университет, Институт космических и информационных технологий,

Аннотация

В настоящее время нейронные сети (НС) развиваются с большой скоростью. Различные технологии НС внедряются в повседневную жизнь простых людей, а не только в научную и техническую области. Для того, чтобы правильно анализировать данные и работать в определенной системе, применяются современные вычислительные системы, которые преобразуют информацию по образу процессов, происходящих в мозгу человека.

Для большинства различных задач, связанных с обработкой и анализом данных, которые можно решить с помощью методов и подходов искусственного интеллекта и машинного обучения очень сложно настроить нейронную сеть для правильной работы со всеми данными. Большое значение в настройке НС зависит от весовых коэффициентов. Для наилучшего эффекта будет применена следующая технология:

  • Корректируем веса НС с помощью дифференциальной эволюции
  • Отправка готовых весовых коэффициентов в НС и ее последующая корректировка методом обратного распространения ошибки
  • Подсчет правильно спрогнозированных результатов

В то же время очень многие практические задачи легко сводятся к оптимизационной задаче на поиск минимума функции n вещественных переменных и для такого типового варианта хотелось бы иметь готовый надежный генетический алгоритм. Поскольку даже определение операторов скрещивания и мутации для векторов, состоящих из вещественных чисел, оказывается не совсем тривиальным, то «изготовление» нового алгоритма для каждой такой задачи оказывается особенно трудоемким.

Данная технология сделана для того чтобы не попасть в локальный минимум. То есть, дифференциальная эволюция находит глобальный минимум, а метод обратного распространения ошибки находит такой минимум, который при любом значении является уже глобальным.

Результаты и выводы. Данная работа показывает, что с помощью алгоритма ДЭ и метода обратного распространения ошибки можно достичь хорошего результата в задачах практического применения. Однако выбор эффективной конфигурации является трудоемким процессом, который выполняется вручную. Более того, большое влияние на результат зависит и от самой конфигурации нейронной, количества нейронов на каждом слое, а также количество самих слоев и связь нейронов друг с другом. В дальнейшем планируется использование дополнительной нейронной сети, которая будет способна производить настройку архитектуры основной нейронной сети для повышения эффективности настройки и обучения НС.

Содержание работы

Автор предпочел не показывать работу на сайте

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *

Конкурс, в котором автор работы принял участие:

I Международный конкурс инициативных научно-исследовательских проектов “High Goals”, 2018/2019

Отрасль наук

Форма представления работы

Дата публикации работы: 30.10.2019

Смотреть похожие работы