МИНОБРНАУКИ РОССИИ

Государственное образовательное учреждение

высшего профессионального образования

«Мати»-Российский государственный технологический университет имени к.Э.Циолковского (мати)

^{_______________________________}

КАФЕДРА:______________________________________________________________

РЕЦЕНЗЕНТ ______________________ ЗАВ. КАФЕДРОЙ __________________

“______”_________________ 20___ г. “______”__________________ 20___ г.

ВЫПУСКНАЯ КВАЛИФИКАЦИОННАЯ РАБОТА БАКАЛАВРА

по направлению __________________________________________________________

_________________________________________________________________________

ТЕМА:_________________________________________________________

_______________________________________________________________ _______________________________________________________________ _______________________________________________________________

Студент ________________________________ ______________________

^{подпись расшифровка подписи}

Руководитель __________________________ ______________________

Консультант __________________________ _______________________

Москва 20___ год

Оглавление

Оглавление 2

Введение 2

Цель 3

Актуальность задачи 3

Глава 1. Нейронные Сети 7

Нейронные сети 7

Искусственный нейрон и его биологический прототип 8

Аналогия с мозгом 12

Биологический нейрон 13

Зрительное и пространственное воображение 14

Глава 2. Самоорганизующиеся карты 23

Основы теории 23

Обобщенная теория mnSOM 32

Как избежать локальных минимумов 36

Базовая версия 37

Связь между mnSOM и SOM 38

Глава 3. Описание работы системы 45

Работа сети и алгоритм 45

Модель движения в MathLab 49

Заключение 52

Список литературы 53

Введение

В ходе данной работе будет разработан нейросетевой алгоритм, выполняющий быстрое и точное распознавание входных 3-х мерных образов. Будут проведены анализ эффективности работы этой сети в сравнении с аналогичными возможностями человека.

Интеллектуальные системы на основе искусственных нейронных сетей (ИНС) позволяют с успехом решать проблемы идентификации и управления, прогнозирования, оптимизации и соответственно моделирование. Известны и другие, более традиционные подходы к решению этих проблем, однако они не обладают необходимой гибкостью и имеют существенные ограничения на среду функционирования.

Нейронные сети позволяют реализовать любой требуемый для процесса нелинейный алгоритм моделирования при неполном, неточном описании объекта, создавать мягкую адаптацию, обеспечивающую устойчивость системе при нестабильности параметров.

ИНС могут применяться для различных задач: аппроксимация функций, идентификация, прогнозирование, управление, классификация образов, категоригизация, оптимизация.

Широкий круг задач, решаемый НС, не позволяет в настоящее время создавать универсальные, мощные сети, вынуждая разрабатывать специализированные НС, функционирующие по различным алгоритмам.

В данной работе рассматривается возможность применения искусственной нейросети.

Цель

В ходе данной работе будет разработан нейросетевой алгоритм, выполняющий быстрое и точное распознавание входных 3-х мерных образов. Будут проведены анализ эффективности работы этой сети в сравнении с аналогичными возможностями человека.