CC BY
10Информационные системы и технологии
УДК 004.032.26
Ю. А. Истомина, В. В. Тынченко
Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева, Россия, Красноярск
СИСТЕМА АВТОМАТИЗАЦИИ ПРОЕКТИРОВАНИЯ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ ПОСЛОЙНОЙ АРХИТЕКТУРЫ
Обоснована актуальность создания программного обеспечения в сфере нейросетевого моделирования. Представлена система автоматизации проектирования искусственных нейронных сетей послойной архитектуры.
В настоящее время многие классы сложных научно-технических задач эффективно решаются с применением искусственных нейронных сетей (ИНС). К таким задачам относятся автоматизация процессов распознавания образов, адаптивное управление, аппроксимация функционалов, прогнозирование, создание экспертных систем, организация ассоциативной памяти. Однако сложность и слабая формализован-ность процесса нейросетевого моделирования ограничивает возможности применения универсального инструментария ИНС широким кругом исследователей и специалистов.
Актуальность разработки нового программного обеспечения нейросетевого моделирования подтверждается возможностью его использования при реализации крупных проектов различного назначения, основанных на применении интеллектуальных технологий.
Авторами было реализовано программное обеспечение Мй'яюгкММекг для проектирования сетей послойной архитектуры с прямым распространением сигнала (см. рисунок). Комбинация всех свойств сетей прямого распространения и обучение алгоритмом обратного распространения ошибки обеспечивает вычислительную мощность многослойного персеп-трона.
Для оптимизации работы алгоритма были выполнены следующие улучшения:
- случайный порядок следования примеров каждой эпохи;
- выбор целевых значений из области значений функции активации;
- нормализация входных векторов;
- выбор весов случайным образом с настраиваемыми значениями пределов.
Программное обеспечение №1%гогкМо(!е1ег в режиме обучения нейронной сети
Решетневскце чтения
Программное обеспечение NetworkModeler предназначено для создания нейросетевых моделей, предварительной обработки обучающего множества, визуализации процесса проектирования и обучения ИНС, а также для получения нейросетевых моделей для разных практических задач и оценки созданной нейросетевой модели. Автоматический подбор архитектуры предоставляет возможность выбора наилучших параметров сети для решения конкретной задачи и имеющегося обучающего множества.
Достоинства разработанного программного обеспечения заключаются:
- в наличии средств визуализации построенных нейросетевых моделей;
- возможности контроля всех показателей для каждого элемента ИНС как в процессе обучения, так и вне его;
- возможности подстройки параметров ИНС во время обучения;
- контроле результатов работы ИНС и оценивании их по всем критериям, представленным в библиотеке классов.
NetworkModeler имеет средства визуализации процесса нейросетевого моделирования и опцию автоматического подбора архитектуры, что отличает его от уже существующих.
Для начинающих пользователей специально была разработана справочная система, которая может запускаться непосредственно из приложения или отдельно. Справочная информация и интуитивно-понятный интерфейс позволяют легко работать с программой.
Работоспособность программного обеспечения проверена при решении ряда тестовых задач аппроксимации функций одной и нескольких переменных и практической задачи прогнозирования вибрационных характеристик турбины.
Полученные при решении тестовых и практической задач результаты позволяют утверждать, что программное обеспечение NetworkModeler может успешно использоваться широким кругом специалистов для структурно-параметрического синтеза нейросетевых моделей в автоматизированном режиме.
Yu. A. Istomina, V. V. Tynchenko Siberian State Aerospace University named after academician M. F. Reshetnev, Russia, Krasnoyarsk
MULTILAYER PERCEPTRON MODELING AUTOMATIZATION
The relevance to create software for neural network modeling is proved. The theoretical content of work is described. The advantages, application and appointment of new software for multilayer perceptron modeling are presented.
© Истомина Ю. А., Тынченко В. В., 2012
УДК 551.550.534
В. Б. Кашкин, Т. В. Рублева, К. Ф. Десятков Сибирский федеральный университет, Россия, Красноярск
ВЛИЯНИЕ КОСМОФИЗИЧЕСКИХ ФАКТОРОВ НА ДИНАМИКУ МАСС ОЗОНА
ЮЖНОГО ПОЛУШАРИЯ
Приведены результаты анализа движения воздушных масс в средних и полярных широтах южного полушария по данным дистанционного космического зондирования. Обнаружено, что изменение угловой скорости циркумполярного вихря связано с вариациями орбитальной скорости Земли.
Современное распределение атмосферного озона и его изменчивость зависят не только от фотохимических процессов его образования и разрушения, но и от совокупного влияния естественных внешних и внутренних геофизических факторов. К внешним (космофизическим) факторам относятся: изменение потока солнечной радиации, орбитальное движение Земли вокруг Солнца, вращение Земли вокруг своей оси и т. д. Внутренние геофизические факторы, влияющие на изменчивость поля ОСО (общего содержания озона), связаны с атмосферными процессами (зональная и меридиональная циркуляция, южное колебание и т. д.) и особенностями подстилающей поверхности. Наиболее существенным космофизиче-
ским фактором влияния на поле озона является солнечная радиация. Однако чем вызываются вариации общего содержания озона: изменчивостью солнечной радиации или опосредованно через динамические атмосферные процессы, до сих пор является предметом активных дискуссий.
Временные масштабы изменчивости приходящей солнечной радиации определяются наклонением орбиты Земли относительно плоскости экватора (в настоящее время 23о27') и эллиптичностью земной орбиты. В [1] показано, что вследствие эллиптичности земной орбиты общее количество солнечной радиации, достигающее Земли различается: 2-4 января (перигелий орбиты) поток солнечного излучения на
