
- •Содержание
- •3.2. Многослойный персептрон 34
- •12.1. Обоснование выбора темы и области применения разработки 142
- •12.2. Оценка ожидаемой экономической целесообразности разработки, изготовления и использования проектируемой системы 144
- •12.3. Выводы 151
- •7. Работа с сетью Кохонена. 170
- •Введение
- •Глава 1. Введение в искусственные нейронные сети
- •1.1. Проблемы, решаемые в контексте инс
- •1.2. Краткий исторический обзор
- •1.3. Модель технического нейрона
- •Математическая модель нейрона:
- •1.4. Архитектура нейронной сети
- •1.5. Обучение нейронных сетей
- •1.6. Многослойные сети прямого распространения
- •1.6.1. Многослойный персептрон
- •1.6.3. Нерешенные проблемы
- •1.7. Самоорганизующиеся карты Кохонена
- •1.8. Модели теории адаптивного резонанса
- •1.9. Сеть Хопфилда
- •1.9.1 Ассоциативная память
- •1.9.2. Минимизация энергии
- •Глава 2. Основные функциональные возможности программ моделирования нейронных сетей
- •2.1. Формирование (создание) нейронной сети.
- •2.2. Обучение нейронной сети
- •2.3. Имитация функционирования (тестирование) обученной нейронной сети
- •Глава 3. Персептроны
- •3.1. Однослойный персептрон
- •3.2. Многослойный персептрон
- •3.2.1. Архитектура сети
- •3.2.2. Алгоритм обратного распространения
- •3.2.3. Модификации алгоритма обратного распространения и rprop-алгоритма
- •3.3. Применение многослойных персептронов
- •3.3.1. Решение конкретных задач
- •3.3.2. Естественные координаты
- •3.3.3. Репликативные нейронные сети
- •3.3.4. Практическое использование репликативных нейронных сетей
- •Глава 4. Сети Кохонена
- •4.1. Основной принцип работы сети Кохонена
- •4.2. Сходимость алгоритма самообучения
- •Глава 5. Сети радиальных базисных функций
- •5.1. Архитектура сетей
- •5.2. Интерполяция при помощи центральных функций
- •5.3. Интерполяция с помощью центральных функций и полиномов
- •5.4. Аппроксимация с помощью центральных функций
- •5.5. Вариационное исчисление для решения проблемы аппроксимации с помощью rbf-сетей
- •5.6. Расширение на случай многих функций
- •5.7. Расширение линейной частью
- •5.9. Итеративное дополнительное обучение rbf- и hbf-сетей
- •5.10. Выбор центров и радиусов в rbf-сетях
- •5.10.1. Итеративный алгоритм кластеризации
- •5.10.2. Выбор параметра
- •5.10.3. Расчет выходной весовой матрицы c
- •Глава 6. Нейронные сети и генетические алгоритмы
- •6.1. Эволюция как способ оптимизации.
- •6.2 Генетические алгоритмы
- •6.3. Нейро-генетические способы
- •Глава 7. Система моделирования нейронных сетей Trajan 2.0
- •7.1. Создание сети и обучающей последовательности
- •7.1.1. Создание сети
- •7.1.2. Количество и размерность слоев в сети
- •7.1.3. Создание обучающей последовательности
- •7.1.4. Редактирование набора образцов
- •7.2. Обучение сети
- •7.2.1. Типы сетей
- •7.2.2. Создание обучающей и проверочной последовательностей образов
- •7.2.3. Создание сокращенной обучающей последовательности
- •7.2.4. Визуализация процесса обучения
- •7.2.5. Оптимизация процесса обучения
- •7.2.6. Обучение с перекрестной проверкой
- •7.3. Работа с сетью
- •7.3.1. Возможности сети по работе с образцами
- •7.3.2. Интерпретация классификации
- •7.3.3. Работа с сетью Кохонена.
- •7.4. Генетический алгоритм выбора входных атрибутов
- •7.5. Сохранение результатов работы
- •Глава 8. Экспериментальное исследование эффективности применения нейронных сетей
- •Глава 9. Методика представления, архивирования и обработки обучающей последовательности для алгоритмов обучения нейросетей
- •Глава 10. Возможности использования среды www для дистанционного обучения
- •Глава 11. Создание программ для среды www
- •Глава 12. Технико-экономический анализ и обоснование разработки адаптивного обучающего и контролирующего курсов по нейросетям
- •12.1. Обоснование выбора темы и области применения разработки
- •12.2. Оценка ожидаемой экономической целесообразности разработки, изготовления и использования проектируемой системы
- •12.2.1. Расчет затрат на разрабоку и изготовление предлагаемого курса
- •12.2.2. Расчет экономического эффекта от создания и использования обучающего курса
- •12.3. Выводы
- •Глава 13. Обучение контролирующей системы
- •Глава 14. Дистанционный обучающий и контролирующий курс
- •Содержание обучающего курса
- •Заключение
- •Литература
- •Приложение 1. Лабораторная работа «Кластеризация образов с помощью системы моделирования нейросетей Trajan 2.1»
- •1. Цель работы
- •2. Знания и умения, формируемые данной лабораторной работой
- •3. Постановка задачи
- •4. Принципиальные особенности сетей Кохонена.
- •5. Создание сети Кохонена
- •6. Обучение сети Кохонена
- •7. Работа с сетью Кохонена.
- •8. Задание
- •9. Контрольные вопросы
- •Приложение 2. Вопросы контролирующего курса.
- •Приложение 3. Обучающие последовательности для контролирующей системы
- •Приложение 4. Листинг контролирующей программы.
12.2.2. Расчет экономического эффекта от создания и использования обучающего курса
Исходные данные для расчета затрат на обучение по старой и новой методикам:
Преподаватель тратит время на подготовку материала, проведение лекций и контроль знаний студентов. Студенты затрачивают время на посещение лекций. При этом основными затратами являются: заработная плата преподавателя, стипендия студентов, накладные расходы и затраты на материалы.
Стоимость машинного времени на выполнение лабораторных работ одинакова в обоих вариантах и не влияет на изменение ЧДД.
Затратами при использовании разработанной системы будет являться стоимость машинного времени за период обучения, стипендия студентов, накладные расходы и затраты на материалы.
Таким образом:
Зст.вар.=ЗПпреп.+ЗПстуд. + Змат. + Знакл.
где
ЗПпреп. - зарплата преподавателя,
ЗПстуд. - стипендия студентов за время обучения,
Змат.пр. - затраты на материалы (бумага, мел, канцтовары),
Знакл. - накладные расходы.
Знов.вар. = ЗПстуд. + Знакл. + СВТ ,
где
ЗПстуд. - стипендия студента за время обучения,
Знакл. - накладные расходы,
СВТ - стоимость использования вычислительной техники.
Традиционный метод обучения
Занятия по данному курсу занимают 30 часов лекций и 12 часов лабораторных работ. Курс проводится в течении одного семестра, т.е. 4 месяцев.
Считаем, что количество студентов составляет 50 человек.
На проведение контрольных мероприятий и экзаменов у данного числа студентов преподаватель затрачивает 15 часов в семестр.
Зарплата преподавателя определяется как
ЗПпреп. = ЗПосн.преп. + ЗПдоп.преп. +ЗПнач.преп. ,
где
ЗПосн.преп. - основная заработная плата преподавателя,
ЗПдоп.преп. - дополнительная заработная плата преподавателя,
ЗПнач.преп. - начисления на заработную плату преподавателя.
Преподавателю оплачивается 800 часов в год, ставка равна 1500 руб. в месяц, следовательно стоимость 1 часа преподавателя:
Счас преп. = 1500 [руб./мес.] * 12 [мес.] / 800 [часов] = 22.5 [руб./час]
Если учитывать затраты преподавателя на подготовку, то он потратит в 2 раза больше времени, чем запланировано. Следовательно, затраты на зарплату преподавателя составят:
ЗПосн.преп. = 22.5 [руб./час] * 2 * (30 + 12 +15) [часов] = 2565 [руб.]
ЗПдоп.преп. = 0.2 * 2565 [руб.] = 513 [руб.]
ЗПнач.преп. = 0.39 * (2565 [руб.] + 513 [руб.]) =1200 [руб.]
ЗПпреп. = 2565 [руб.] + 513 [руб.] + 1200 [руб.] = 4278 [руб.]
Студент занимается 160 часов в месяц и получает ежемесячную стипендию 145 рублей. Тогда час работы студента оценивается как
Счас ст. = 145 [руб.] / 160 [часов] = 0.9 [руб./час]
Суммарная оценка затрат всех студентов, на изучение курса
ЗПстуд. = 0.9 [руб./час] * 57 [часов] * 50 [ст.] = 2565 [руб.]
Затраты на материалы рассчитываются с учетом стоимости мела, бумаги и канцтоваров для преподавателя и студентов. Это необходимо чтобы правильно сравнить данный метод обучения с "компьютерным", связанным с расходами на использование вычислительной техники. Определим затраты на материалы как
Змат.преп. = 100 [руб.]
Змат.ст. = 50 [руб.] * 50 [студ.] = 2500 [руб.]
Змат. = 100 [руб.] + 2500 [руб.] = 2600 [руб.]
Рассчитаем накладные затраты
Знакл. = 0.5 * (ЗПосн.преп. + ЗПдоп.преп. + ЗПстуд.) =
= 0.5 * (2565 [руб.] + 513 [руб.] + 2565 [руб.]) = 2821.5 [руб.]
Таким образом
Зст.вар.= 4278 [руб.] + 2565 [руб.] + 2600 [руб.] + 2821.5 [руб.] =
= 12264.5 [руб./сем.]
Новый вариант
При использовании предложенной методики обучения студент затрачивает меньше времени на обучение: 20 часов на изучение лекционного материала, 12 часов на выполнение лабораторных работ и 5 часов на прохождение контрольных заданий. Причем, также в этом случае значительно уменьшается время на поиск и изучение дополнительной литературы.
Тогда, суммарные затраты на изучение курса составят
ЗПстуд. = 0.9 [руб./час] * 37 [часов] * 50 [ст.] = 1665 [руб.]
Стоимость использования вычислительной техники оценим следующим образом:
СВТ = Смв + Са + Сс,
где
Смв - стоимость машинного времени для персонального ЭВМ,
Са - стоимость аренды - оплата использования Internet,
Сс - стоимость поддержки обучающей системы на сервере.
Исходя из предположения, что студенты будут использовать ЭВМ в основном для доступа к лекциямпрохождения контрольных заданий
Смв = Счас * Т = 10 [руб.]* 5 [часов] * 50 [ст.] = 2500 [руб.]
Са = Счас * Т = 5 [руб.]* 5 [часов] * 50 [ст.] = 1250 [руб.]
Сс = 100 [руб./мес.] * 4 [мес.] = 400 [руб.]
Итого
СВТ = 2500 [руб.] + 1250 [руб.] + 400 [руб.] = 4150 [руб.]
Накладные расходы составят
Знакл. = 0.5 * ЗПстуд. = 0.5 * 1665 [руб.] = 832.5 [руб.]
Таким образом
Знов.вар. = 1665 [руб.] + 4150 [руб.] + 832.5 [руб.] = 6647.5 [руб./сем.]
Определим ЧДД за 2 года. Этот срок выбран, исходя из следующих соображений: достаточно времени для введения курса, его использования и оценки характеристик, не сильно изменяются экономические условия для реальной оценки экономического эффекта. Необходимо отметить, что срок морального старения данного курса 8 - 10 лет, и следовательно курс может применяться все это время.
ЧДД (Т=2года) = (24529 [руб./год] - 13295 [руб./год]) * 2 - 14236 [руб.] =
= 8232 [руб.]
При учете инфляции 30%:
ЧДД (Т=2года) = (24529 [руб./год] - 13295 [руб./год]) + (24529 [руб./год] - 13295 [руб./год]) * (1+0.3) - 14236 [руб.] = 11602,2 [руб.]
Оценим срок окупаемости проекта. Он определяется значением Т=Токуп., при котором ЧДД = 0.
Ток. = 14236 [руб.] / (24529 [руб./год] - 13295 [руб./год])*(1+0.3) =
= 0,9 [года]
Таким образом, проведенный анализ и оценка экономического эффекта и эффективности создания нового продукта позволяют сделать вывод об экономической целесообразности применения данной разработки.
Рис.2. График
изменения
ЧДД
во времени.