BC/NW 2019 № 1 (34):12.4

ИССЛЕДОВАНИЕ МЕТОДА РАЗМЕЩЕНИЯ УЗЛОВ НЕРЕГУЛЯРНОЙ СЕТКИ НА ОСНОВЕ ИСКУССТВЕННОЙ НЕЙРОННОЙ СЕТИ

Марков С.Е., Вишняков С.В.

Размещение узлов нерегулярной сетки является весьма трудозатратным алгоритмом поэтому была предпринята попытка заменить алгоритм на нейронную сеть.

Процесс создания нейронной сети включает в себя проектирование структуры нейронной сети, подбор данных для обучения, подбор данных для тестирования, выбор метода обучения, собственно процесса обучения нейронной сети на обучающих данных, проверка на тестовых данных и корректировка предыдущих шагов, если проверка на тестовых данных показала неудовлетворительный результат.

Одной из основных задач при создании нейронной сети является выбор метода обучения[1]. В данной работе были исследованы несколько методов обучения: метод Монте-Карло, метод сканирования, метод корректировки весов и обучение каждого веса по отдельности. Итого был выбран метод Монте-Карло.

После изучения различных видов структур нейронных сетей, было решено остановиться на перцептроне (виде структуры, в которой между поступающими данными (которые поступают на рецепторный слой) и выходом нейронной сети (реагирующим слоем) существует несколько ассоциативных слоев, но веса (значения на которые умножаются входные данные, кроме случаев рецепторного слоя) могут быть равны только 0 или 1 (в некоторых случая ещё и -1)). Было исследовано несколько вариантов структур, но лучший результат показала структура однослойного перцептрона.

Также должна быть выбрана функция, которая показывает разницу между результатом работы нейронной сети и результатом работы по алгоритму. Такая функция называется метрикой. Если выбрать метрикой разницу между количеством узлов нерегулярной сетки и визуальную схожесть с результатом работы алгоритма, то в лучшем случае метрика равна 85%.

Литература

1.     Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы. М.: Горячая линия – Телеком, 2013, - 384 с