Лабораторна робота №11 Тема: Нейронні мережі: графічний інтерфейс користувача

Мета: навчитися будувати нейронні мережі за допомогою середовища MATLAB, познайомитися з елементами графічного інтерфейсу.

Теоретичні відомості

Нейронні мережі (NN| - Neural| Networks|) широко використовуються для вирішення різноманітних завдань. Серед областей застосування NN|, що розвиваються, - обробка аналогових і цифрових сигналів, синтез і ідентифікація електронних ланцюгів і систем. Основи теорії і технології застосування NN| широко представлені в пакеті MATLAB|. В зв'язку з цим особливо слід зазначити останню версію пакету - MATLAB| 6.0, де вперше представлений GUI| (Graphical| User| Interface| - графічний інтерфейс користувача) для NN| - NNTool|.

Прикладами застосування технології нейронних мереж для цифрової обробки сигналів є: фільтрація, оцінка параметрів, детектування, ідентифікація систем, розпізнавання образів, реконструкція сигналів, аналіз тимчасових рядів і стиснення. Згадані види обробки застосовні до різноманітних видів сигналів: звуковим, відео, мовним, зображення, передачі повідомлень, геофизичним, локаційним, медичних вимірювань (кардіограми, енцефалограми|, пульс) і іншим.

У даній статті даний опис NNTool| і показана техніка його застосування у ряді завдань синтезу ланцюгів і цифрової обробки сигналів.

Обробка сигналів в технологіях NN| виконується з допомогою або NN| без пам'яті, або NN| з пам'яттю. І в тому і іншому випадках ключовим елементом є NN| без пам'яті. Подібна роль визначається тією обставиною, що при використанні нейронів з певними функціями активації (передавальними характеристиками) NN| є універсальною апроксимацією. Останнє означає, що в заданому діапазоні зміни вхідних змінних NN| може із заданою точністю відтворювати (моделювати) довільну безперервну функцію цих змінних.

Нижче обговорюються питання, що відносяться до так званих NN| прямого розповсюдження, тобто без зворотних зв'язків. Чудовою властивістю таких NN| є їх стійкість.

Після того, як структура NN| вибрана, повинні бути встановлені її параметри. Вибір структури NN| і типів нейронів - самостійний і вельми непростий питання, яке тут ми обговорювати не будемо. Що ж до значень параметрів, то, як правило, вони визначаються в процесі рішення деякої оптимізаційної задачі. Ця процедура в теорії NN| називається навчанням.

Графічний інтерфейс користувача NNTool| дозволяє вибирати структури NN| з обширного переліку і надає безліч алгоритмів навчання для кожного типу мережі.

У статті розглянуті наступні питання, що відносяться до роботи з NNTool|:

• призначення графічних елементів, що управляють;

• підготовка даних;

• створення нейронної мережі;

• навчання мережі;

• прогін мережі.

Всі етапи роботи з мережами проілюстровані прикладами вирішення простих завдань. Як і в попередніх статтях проекту "MATLAB| для DSP|", передбачається, що читач знайомий з основами теорії NN| і її термінологією.

Елементи nnTool|, що управляють

Щоб запустити NNTool|, необхідно виконати однойменну команду в командному вікні MATLAB|:

>> nntool|

після цього з'явиться головне вікно NNTool|, що іменується "Вікном управле-ния| мережами і даними" (Network/Data Manager|) (мал. 1).