Введение
L Нейронные сети и неиросетевые методы моделирования 15
1.1. Структура и методика применения нейронных сетей 15
1.1 Л. Искусственный нейрон 15
1.1.2. Структура нейронных сетей прямого распространения 18
1.1.3- Методика применения нейронных сетей 22
1.2. Обучение нейронных сетей 27
1.2.1. Постановка задачи обучения 27
1.2.2. Классификация методов обучения 28
1.2.3. Алгоритм обратного распространения ошибки 31
1.2.4. Численные методы локальной оптимизации 32
1.2.5. Оптимизационные свойства псевдообращения 34
1.2.6. Нелинейный метод наименьших квадратов 38
1.2.7. Подходы к глобальной оптимизации в обучении 41
1.2.8. Интервальные методы глобальной оптимизации 43
1.3. Построение нейронных сетей оптимальной структуры 52
1.3.1. Контрастивный подход 54
1.3.2. Конструктивный подход 58
1.4. Неиросетевые методы в задачах анализа данных 62
1.4.1. Прогнозирование 63
1.4.2. Управление 65
1.4.3. Классификация 70
1.4.4. Кластеризация 70
Постановка задач диссертационного исследования
2. Нейроструктурное моделирование и синтез нейроструктурных моделей 77
2.1. Нейроструктурное моделирование 77
2.2. Нейроструктурные методы моделирования динамических систем 83
2.2.1. Нелинейные нейронные сети Вольтсрра 83
2.2.2. Исследование различных функций активации 85
2.3. Конструктивное построение нейроструктурных моделей 92
2.3.1. Общий подход к конструированию моделей 92
2.3.2. Блочные рекуррентно-итерациониыс процедуры в конструировании и обучении нейроструктурных моделей 95
Основные результаты главы 2 102
3. Класс численных методов обучения на основе декомпозиции весов и линейно-нелинейного соотношении 104
3.1. Методы обучения на основе декомпозиции и линейно-нелинейного соотношения 104
3.1.1. Линейно-нелинейное соотношение 104
3.1.2. Декомпозиция задачи обучения 105
3.1.3. Производная псевдообратной матрицы 107
3.1.4. Модельный пример 112
3.1.5. Метод вычисления производной взвешенной псевдообратной матрицы 114
3.1.6. Класс численных методов обучения на основе линейно-нелинейного соотношения 117
3.2. Тестирование эффективности методов обучения 122
3.2.1. Программное обеспечение для тестирования 122
3.2.2. Сравнительный анализ эффективности методов обучения 129
3.3. Тестирование эффективности алгоритмов псевдообращения для
применения в численных методах обучения 134
3.3.1. Эффективность алгоритмов псевдообращеиия 135
3.3.2. Эффективность блочного псевдообращеиия 139
Основные результаты главы
3 143 Численные методы гарантированного обучения нейроструктур ных моделей на основе интервальных методов оптимизации 146
4.1. Анализ специфики задачи обучения на основе интервальных методов 146
4.2. Разработка сжимающих операторов на основе учета линейно-нелинейной структуры моделей 151
4.3. Сжимающий оператор на основе интервального псевдообращения 156
4.3.1. Интервальное псевдообращение 156
4.3.2. Сжимающий оператор на основе интервального псевдообращения 162
4.4. Программа для исследования эффективности гарантированного метода обучения 163
4.5. Исследование эффективности гарантированных методов обучения моделей 166
Основные результаты главы 4 173
Комплекс программ для неироструктурного моделирования и анализа данных 175
5.1. Структура комплекса программ для информационно-аналитической системы 175
5.1.1. Технологии построения информационно-аналитических систем 175
5.1.2. Структура универсального хранилища данных 177
5.1.3. Программное обеспечение информационно-аналитической системы 182
5.2. Алгоритмическое обеспечение для неироструктурного моделирования 190
5.2.1. Алгоритм оптимального управления динамическими объектами с упреждением на основе нейроструктурных моделей 190
5.2.2. Алгоритм автоматической кластеризации 195
5.3. Программное обеспечение для нейроструктурного моделирования 196
5.4. Методика применения комплекса для нейроструктурного моделирования и анализа данных 203
Основные результаты главы 5 205
6. Приложения иейроструктурных методов к решению практических задач 207
6.1. Прогнозирование дефектов горячекатаной продукции 207
6.2. Управление тарифной политикой оказания услуг междугородной телефонной связи 211
6.2.1. Нейроструктурное моделирование экономических систем211
6.2.2. Разработка алгоритма принятия решений по управлению ценовой политикой предприятий 214
6.2.3. Построение нейроструктурной модели спроса населения на услуги междугородной связи 218
6.2.4. Оптимизация тарифной политики на услуги междугородной связи 222
6.3. Анализ эффективности запросов в базах данных 224
6.4. Нейросетевое прогнозирование добычи сырьевых ресурсов 227 Основные результаты главы 6 229
Заключение 231
Библиографический список
