ДипломноеПроектирование / Приложение к заданию_Гусев

Приложение к заданию на дипломную работу

студента Гусева Александра Сергеевича группы 6601

Тема работы: «Исследование эффективности использования модели нечёткого вывода Такаги-Сугэно-Канга для решения задач прогнозирования и классификации»

Исходные данные к работе:

1. Характеристика объекта автоматизации:

1.1 объект автоматизации — процесс создания и обучения нейронных сетей TSK и Ванга-Менделя, основанных на моделе вывода Такаги-Сугено-Канга, процесс классификации и прогнозирования данных, проверка качества обучения;

1.2 количество входных переменных — не более 100;

1.3 количество выходных переменных — не более 100;

1.4 объем обучающей выборки — от 1 до 10000;

1.5 объем тестирующей выборки — от 1 до 10000;

1.6 форма входных данных — текстовый файл данных;

1.7 форма хранения данных о сети — бинарный файл данных (образ нейронной сети);

1.8 тип архитектуры — локальная.

2. Требования к информационному обеспечению:

Информационное обеспечение разработать на основе следующих документов и информационных массивов:

• Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы [Текст] / Пер. с польского И.Д. Рудинского. – М.: Горячая линия – Телеком, 2006. - 452 с.;

• Осовский С. Нейронные сети для обработки информации / Пер. с польского И.Д. Рудинского. – М.: Финансы и статистика, 2002 г. – 344 с.;

• Круглов В.В., Дли М.И., Голубов Р.Ю. Нечеткая логика и искусственные нейронные сети [Текст] – М.: Горячая линия – Телеком, 2006. - 227 с.;

• Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика – 2-е издание [Текст] – М.: Горячая линия – Телеком, 2002. - 328 с..

3. Требования к техническому обеспечению:

3.1 тип ЭВМ – IBM PC-совместимый;

3.2 конфигурация комплекса определяется в процессе выполнения дипломной работы.

4. Требования к программному обеспечению:

4.1 тип операционной системы – Microsoft Windows XP и выше;

4.2 программная платформа — Microsoft .Net Framework 4.0;

4.3 язык программирования — C#;

4.4 среда программирования — Microsoft Visual Studio 2010;

4.5 инструментальные средства — Violet UML Editor и Visual Paradigm for UML.

5. Общие требования к проектируемой системе:

5.1 Функции, реализуемые системой:

• загрузка обучающих данных из текстовых файлов формата CSV;

• создание нейронной сети;

• визуальное отображение структуры нейронной сети;

• настройка параметров нейронной сети (число классов, число правил, число нейронов в выходном слое);

• настройка параметров обучения нейронной сети (коэффициент обучения, алгоритм инициализации центров, начальные значения корректируемых параметров);

• обучение нейронной сети;

• построение графиков СКО ошибки и выходов нейронной сети в процессе обучения;

• расчёт погрешностей обучения;

• проверка качества обучения нейронной сети с использованием тестовых данных;

• расчёт погрешностей тестирования;

• сохранение нейронной сети в бинарный файл и загрузка нейронной сети из бинарного файла.

5.2 Технические требования к системе:

• режим АМР — автономный;

• режим работы — диалоговый;

• время реакции без печати — не более 50 секунд;

• время реакции с печатью — не более 4 минут;

• система должна удовлетворять санитарным правилам и нормам САНПИН 2.2.2/2.4.2198-07;

• условия работы средств вычислительной техники должны соответствовать группе I п. 1.3.1 ГОСТ 21552-84.

1. Условия работы:

• температура окружающего воздуха — 15—25 °С;

• относительная влажность — 45—75%;

• содержание вредных веществ, пыли и подвижного воздуха в рабочей зоне соответствует нормам ГОСТ 12.1.005, 12.1.007.

Руководитель дипломной работы:

к.т.н., доцент кафедры ИСТ Солдатова О.П.