Система м’яких обчислень на базі нейронних мереж адаптивного резонансу для розв’язання задач САПР
DSpace at NTB NTUU KPI
Переглянути архів Інформація| Поле | Співвідношення | |
| Title |
Система м’яких обчислень на базі нейронних мереж адаптивного резонансу для розв’язання задач САПР
|
|
| Creator |
Арутюнян, Ашот Леонович
|
|
| Description |
Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.13.12 – Системи автоматизації проектувальних робіт. – Національний Технічний Університет України «Київський Політехнічний Інститут», МО України, Київ, 2009 Дисертаційна робота присвячена створенню гібридної системи м’яких обчислень на базі нейронної мережі адаптивної резонансної теорії, для підвищення якості вирішення задач САПР у параметрах точності, швидкості, шумозахищеності та вимог до обчислювальних ресурсів. В дисертації розроблено і теоретично обґрунтовано архітектуру і модель функціонування нової гібридної нейронної мережі адаптивного резонансу. Розроблені та відповідно теоретично обґрунтовані методики навчання. Запропоновано новий вид функціоналу Тихонова з використанням структурної і сигнальної константи Ліпшиця, що дозволяє проводити теоретичні дослідження властивостей систем м’яких обчислень. Запропоновано використовувати гібридний метод нелінійного нормування даних для нормування вхідних даних експертних систем та нейронних мереж, який є оборотним. Диссертация на соискание ученой степени кандидата технических наук по специальности 05.13.12 – Системы автоматизации проектных работ. – Национальный Технический Университет Украины «Киевский Политехнический Институт», МО Украины, Киев, 2009. 18 Диссертационная работа посвящена созданию гибридной системы мягких вычислений на базе нейронной сети адаптивной резонансной теории, для повышения качества решения задач САПР в параметрах точности, скорости, шумоустойчивости и требований к вычислительным ресурсам путем использования в слое распознавания сети радиально-базисной функции. Проведен анализ основных подходов к построению гибридных систем обработки информации с использованием инструментария Data Mining и мягких вычислений, и определены основные подходы к построению гибридной системы обработки информации для решения задач САПР. В качестве базиса новой системы избрана сеть адаптивного резонанса. Недостатки, вытекающие из архитектуры сети: чувствительность к шуму и выбросам, неэффективность распределения категорий, зависимость распределения кластеров от очередности представления на вход сети набора данных, отсутствие перцепционого группирования кластеров, – могут быть преодолены с использованием функциональной гибридизации, где в качестве агента гибридизации будут привлечены одни из нечувствительных к шуму сетей, направленные на более системную (а не по-элементную) работу с предметной областью – сети радиально-базисной функции. Сферой применения такой гибридной системы мягких вычислений (как элемента САПР) является анализ, обработка и классификация объектов проектирования и баз данных с шаблонами проектных решений (представленных в виде описания на искусственном языке) на всех этапах проектирования и на всех уровнях детализации и декомпозиции. В диссертации разработаны и теоретически обоснованы архитектура и модель функционирования новой гибридной нейронной сети на базе существующих сетей адаптивного резонанса посредством использования в слое распознавания нейронов с радиально-базисной функцией. Разработаны и соответственно теоретически обоснованы методы обучения и требования к объему учебника сети. Новая архитектура, за счет синергетического эффекта может быть применена для решения задач кластеризации в условиях, когда классические алгоритмы уже не являются эффективными. Впервые предложен новый вид функционала Тихонова с использованием структурной и сигнальной константы Липшица, что позволили провести теоретические исследования свойств новой архитектуры нейронной сети и обосновать связи между параметрами настройки гибридной системы мягких вычислений и результатом (точностью) ее работы. Предложено использовать гибридный метод нелинейного нормирования данных для нормирования входных данных экспертных систем и нейронных сетей, который позволяет использовать нейронные сети для обработки информации в прикладных задачах САПР и является обратимым, что в свою очередь дает возможность проводить физическую интерпретацию полученных результатов. Преимуществом разработанных методов является сохранение свойств стабильности-пластичности памяти сети, которые свойственны сетям адаптивного резонанса, снижение чувствительности к шумам и увеличение точности результатов работы благодаря использованию нелинейных функций. Cоздана и реализована программа, реализующая функции новой гибридной системы, и проведена проверка теоретических 19 разработок на конкретных примерах. Применение разработанной архитектуры гибридной нейронной сети разрешает существенно сократить время функционирования (новая нейронная сеть обрабатывает учебник в целом за один «проход», а не итерационно, и использует вычислительно эффективный алгоритм работы) существующих систем обработки информации и САПР, построенных на базе сетей адаптивного резонанса, при одновременном повышении точности и снижении чувствительности к шумам входного сигнала (за счет использования нелинейной радиально-базисной функции в нейронах слоя распознавания). Thesis for taking the Candidate of Technical Science degree in 05.13.12 – Design works automation systems. – National Technical University of Ukraine “Kyiv Polytechnic Institute”, ME of Ukraine, Kyiv, 2009 Thesis work is dedicated to creating hybrid system of soft calculations on the basis of adaptive resonance theory neural network for improving the quality of solving CAD problems in conditions of accuracy, quickness, noise immunity and computing requirements. The architecture and functional model of new adaptive resonance hybrid neural network are developed and theoretically justified in the thesis. Learning technologies are developed and appropriately theoretically justified. The new type of Tychonoff functional using Lipschitzian structural and signal constants is proposed. It allows to perform theoretical research of soft calculations systems’ attributes. It’s suggested to use hybrid method of nonlinear data normalization for normalization of expert systems’ and neural networks’ input data. The method is dual. |
|
| Publisher |
НТУУ "КПІ"
|
|
| Date |
2011-09-15T10:35:03Z
2011-09-15T10:35:03Z 2010 |
|
| Type |
Thesis
|
|
| Identifier |
http://library.kpi.ua:8080/handle/123456789/1069
|
|
| Language |
uk
|
|