Методы нейронных сетей получают все большее распространение в самых различных областях, начиная от фундаментальных исследований и заканчивая задачами синтеза данных, прогнозирования в различных сферах человеческой деятельности, управления рисками, инженерными приложениями и многих других областях. Этот метод во многом хорош для выведения наиболее продуктивного результата при большом количестве исходных данных.
При рассмотрении нейронных сетей нужно представлять, что нейронная сеть - это одно из направлений исследований в области искусственного интеллекта, основанное на попытках воспроизвести нервную систему человека. Это понятие возникло при изучении процессов, протекающих в человеческом мозге, при попытке смоделировать эти процессы и обеспечить их обучаемость.
Даже если нужно заказать отчет по практике производственной в Новосибирске , Work5 справится.
. Модель нейронных сетей также сконструирована на основе структуры и функциональности человеческих нейронов, что позволяет представить саму нейронную сеть как набор нейронов, соединенных между собой. Где, как правило, передаточные функции всех нейронов в нейронной сети фиксированы, а веса являются параметрами нейронной сети и могут изменяться.
Большим преимуществом данного метода является его обучаемость. Обучить нейронную сеть – означает, сообщить ей, чего мы от нее добиваемся. Этот процесс очень похож на обучение ребенка алфавиту. Показав ребенку изображение буквы "А", мы спрашиваем его: "Какая это буква?" Если ответ неверен, мы сообщаем ребенку тот ответ, который мы хотели бы от него получить: "Это буква А". Ребенок запоминает этот пример вместе с верным ответом, то есть в его памяти происходят некоторые изменения в нужном направлении. Мы будем повторять процесс предъявления букв снова и снова до тех пор, когда все 33 буквы будут твердо запомнены. Такой процесс называют "обучение с учителем". При обучении нейронной сети мы действуем совершенно аналогично. После многократного предъявления примеров веса нейронной сети стабилизируются, причем нейронная сеть дает правильные ответы на все (или почти все) примеры из базы данных. В таком случае говорят, что "нейронная сеть выучила все примеры", "нейронная сеть обучена". В программных реализациях можно видеть, что в процессе обучения величина ошибки (сумма квадратов ошибок по всем выходам) постепенно уменьшается. Когда величина ошибки достигает нуля или приемлемого малого уровня, тренировку останавливают, а полученную нейронную сеть считают натренированной и готовой к применению на новых данных. Обучение нейронных сетей - сложный и наукоемкий процесс. Алгоритмы обучения нейронных сетей имеют различные параметры и настройки, для управления которыми требуется понимание их влияния.
Разработанный в рамках дипломного проектирования программный продукт позволит автоматизировать процесс поиска визуально распознаваемых дефектов металлургической продукции и позволит повысить эффективность функционирования предприятия в целом.
К основным преимуществам разработанного программного продукта следует отнести возможность сохрание результатов дефектологического контроля в единой базе данных предприятия.
Таким образом, актуальность данной работы видится в создании нового усовершенствованного автоматизированного рабочего места сотрудника предприятия, осуществляющего дефектологический контроль на стадии кристаллизации в машине непрерывного литья заготовок.
Целью данного дипломного проекта является разработка модели ассоциативной нейронной сети, осуществляющей автоматизированный дефектологический контроль.
Задачами дипломного проекта, в соответствии с целью, являются:
• анализ работы предприятия, определение имеющихся проблем в работе, нахождение путей их решения;
• определение целесообразности внедрения нейронной сети для повышения эффективности работы предприятия;
• изучение решений и программных комплексов, применяемых для поиска оптимального решения создаваемой нейронной сети;
• определение требований, предъявляемых к будущей автоматизированной информационной системе;
• определение этапов разработки, оценка затрат на разработку автоматизированной информационной системы;
• проектирование и внедрение автоматизированной информационной системы на предприятии;
• оценка экономической эффективности предложенного решения.
Объектом исследования является деятельность металлургического предприятия.
Предметом исследования является автоматизация процесса поиска дефектов в выпускаемой продукции.
В работе использована различная методологическая база, в том числе Государственные Стандарты по информационным технологиям, учебная литература по экономическим дисциплинам, базам данных, разработке программного обеспечения, теории нейронных сетей и менеджменту.
0 страниц
100% уникальность
2011 год
125 просмотров
