Разработка программного модуля для моделирования и исследования нейронных сетей по дисциплине «Системы искусственного интеллекта» для Б

 

Таблица 9 – Ограничения таблицы LearningPair

Name	Type	Columns
FK_LearningPair_LearningArray	Public	LearningArrayId
PK_LearningPair	Public	Id LearningArrayId

 

Таблица 10 – Связи таблицы LearningPair

Columns	Association
(LearningPairId = Id)	0..* OutputSignal.FK_OutputSignal_LearningPair  1 LearningPair.PK_LearningPair
(LearningPairId = Id)	0..* InputSignal.FK_InputSignal_LearningPair  1 LearningPair.PK_LearningPair
(LearningArrayId = Id)	0..* LearningPair.FK_LearningPair_LearningArray  1 LearningArray.PK_LearningArray

 

 

 

 

3. Таблица InputSignal

Таблица для хранения значений входных  сигналов

Таблица 11 – Колонки таблицы InputSignal

PK	Name	Type	Not Null	Unique	Len	Prec	Scale	Init	Notes
True	Id	int	True	False					Уникальный номер входного сигнала
True	LearningPairId	int	True	False					Уникальный номер обучающей пары, которой принадлежит входной сигнал
False	Value	numeric	True	False		21	15	0	Значение входного сигнала

 

Таблица 12 – Ограничения таблицы InputSignal

Name	Type	Columns
FK_InputSignal_LearningPair	Public	LearningPairId
PK_InputSignal	Public	Id LearningPairId

 

Таблица 13 – Связи таблицы InputSignal

Columns	Association
(LearningPairId = Id)	0..* InputSignal.FK_InputSignal_LearningPair  1 LearningPair.PK_LearningPair

 

 

 

 

 

 

 

 

 

 

4. Таблица OutputSignal

Таблица для хранения значений выходных сигналов

Таблица 14 – Колонки таблицы OutputSignal

PK	Name	Type	Not Null	Unique	Len	Prec	Scale	Init	Notes
True	Id	int	True	False					Уникальный номер выходного сигнала
True	LearningPairId	int	True	False					Уникальный номер обучающей пары, которой принадлежит выходной сигнал
False	Value	numeric	False	False		21	15	0	Значение выходного сигнала

 

Таблица 15 – Колонки таблицы OutputSignal

Name	Type	Columns
FK_OutputSignal_LearningPair	Public	LearningPairId
PK_OutputSignal	Public	Id LearningPairId

 

Таблица 16 – Связи таблицы OutputSignal

Columns	Association
(LearningPairId = Id)	0..* OutputSignal.FK_OutputSignal_LearningPair  1 LearningPair.PK_LearningPair

 

Выводы

В результате анализа  описаны варианты использования, выявлены основной поток событий, альтернативные потоки и поток ошибок. Определены варианты использования, разработана  диаграмма модели данных (таблиц данных) предметной области, построена диаграмма деятельности.

Собранной информации достаточно для разработки модели АСОИ (программы  для выполнения лабораторного практикума по созданию и исследованию нейронных  сетей).

2 Создание модели АСОИ

2.1 Диаграмма классов

Программа включает в  свой состав пять основынх частей.

1. Пользовательские формы (Forms).
2. Классы-контроллеры пользовательских форм, в которых определены все события и локальные переменные, использующиеся на соответствующих формах (Form Controllers).
3. Классы-модели, предназначенные для описания структуры нейронной сети (Models).
4. Классы-обертки для таблиц базы данных (Table Wrappers).
5. Классы-адаптеры для управления классами-обертками (Table Adapters).

Класс Program является основным управялющим классом, запускающий программу на выполнение и хранящий данные о текущей нейронной сети NeuralNet и имя последнего файла, в который производилось сохранение модели текущей нейронной сети для более быстрого повторного ее сохранения.

Диаграмма классов представлена на в графической части.

Пользовательские  формы.

Пользовательские формы предназначены для организации взаимодействия пользователя с вычислительной средой.

В данной программе используются следующие пользовательские формы.

NeuralNetForm – основная форма программы. С помощью нее пользователь может создавать новую нейронную сеть, задавая количество слоев и нейронов в каждом слое, сохранять модель нейронной сети в файл и загружать ее из файла. Также через данную форму осуществляется открытие формы для создания и редактирования обучающих массивов, формы обучения сети, формы-схемы сети и формы опроса сети.

NeuralNetVizForm – форма для отображения схемы нейронной сети.

UseNeuralNetForm – форма, предназначенная для опроса нейронной сети. Содержит схему нейронной сети и таблицу для ввода значений входных сигналов. Позволяет пользователю проверить работу нейронной сети, отображая значения выходных сигналов.

LearningNeuralNetForm – форма, предназначенная для обучения нейронной сети. Содержит схему нейронной сети до и после обучения и позволяетпользователю выбрать обучающий массив из базы данных с целью проведения обучения сети.

LearningSettingsForm – форма, позволяющая пользователю задавать дополнительные параметры обучения (максимальное число итераций и допустимую погрешность значений выходных сигналов по сравнению с контрольными). Вызывается из формы LearningNeuralNetForm.

LearningArraysEditorForm– форма, предназначенная для создания и редактирвания обучающих массивов и обучающих пар. Также содержит схему текущей нейронной сети.

CreateLearningArrayForm – форма, используемая для создания обучающего массива, а именно ввода его обязательного описания. Вызывается из формы LearningArraysForm.

Классы-контроллеры  пользовательских форм.

Диаграмма классов-контроллеров форм аналогична диаграмме пользовательских форм, так как каждый класс-контроллер содержит определения методов, используемых для обработки событий (нажатие кнопок, выбор пункта меню, переключение значений числа и т.д.), а также определения локальных переменных, являющихся общими для всех методов внутри данных классов.

Классы-модели нейронной сети и ее элементов.

Данные классы предназначены  для описания элементов нейронной сети и всей сети вцелом.

Рассмотрим данные классы более потробно.

ActivationFunctionTypes

Перечисление типов активационной  функции.

Таблица 17 – Атрибуты перечисления ActivationFunctionTypes.

Атрибут	Описание
LinearFunction Public	Линейная активационная функция
SigmaFunction Public	Сигмоидальная активационная функция
Tanh Public	Гиперболический тангенс

 

Layer

Слой нейронной сети.

Таблица 18 – Атрибуты класса Layer.

Атрибут	Описание
m_neurons  List<Neuron> Private	Список нейронов, входящих в слой.

 

 

 

 

Таблица 19 – Методы и свойства класса Layer.

Метод или свойство	Описание
Layer() Public	Конструктор по умолчанию.
Neurons() List<Neuron> Public	Свойство, принимающее или возвращающее список нейронов, входящих в слой.

 

LearningArray

Обучающий массив

Таблица 20 – Атрибуты класса LearningArray.

Атрибут	Описание
m_description string Private	Описание обучающего массива
m_id int Private	Уникальный номер обучающего массива
m_learningPairs List<LearningPair> Private	Список обучающих пар, входящих в массив

 

Таблица 21 – Методы и свойства класса LearningArray.

Метод или свойство	Описание
Id() Public	Свойство, принимающее  или возвращающее уникальный номер  обучающего массива.
Description() string Public	Свойство, принимающее или возвращающее описание обучающего массива.
LearningPairs() List<LearningPair> Public	Свойство, принимающее  или возвращающее список обучающих пар, входящих в массив.

 

 

 

 

 

 

 

 

LearningPair

Обучающая пара

Таблица 22 – Атрибуты класса LearningPair.

Атрибут	Описание
m_id int Private	Уникальный номер обучающей  пары
m_xValues  List<double> Private	Список значений входных сигналов
m_yValues  List<double> Private	Список значений выходных сигналов

 

Таблица 23 – Методы и свойства класса LearningPair.

Метод или свойство	Описание
Id() Public	Свойство, принимающее  или возвращающее уникальный номер  обучающей пары.
XValues()  List<double> Private	Свойство, принимающее или возвращающее список значений входных сигналов.
YValues () List<double> Public	Свойство, принимающее  или возвращающее список значений выходных сигналов.

 

Net

Нейронная сеть

Таблица 24 – Атрибуты класса Net.

Атрибут	Описание
m_description string Private	Описание сети.
m_id Guid Private	Уникальный номер сети.
m_layers List<Layer> Private	Список слоев, входящих в сеть.
m_name string Private	Наименование сети.

 

 

 

Таблица 25 – Методы и свойства класса Net.

Метод или свойства	Описание	Параметры
AddNeuron() void Public	Добавление нейрона в сеть.	int [in] layerNum Номер слоя. ActivationFunctionTypes [in] activationFunctionType Тип активационной функции. double [in] threshold Значение порога.
Ask() List<decimal> Public	Опрос сети.	List<decimal> [in] inputSignals Массив входных сигналов.
BackPropagation() decimal Public	Обучение сети (алгоритм обратного распространения).	LearningArray [in] lArray Обучающий массив. decimal [in] nu Коэффициент скорости обучения decimal [in] inaccuracy Допустимая погрешность. int [in] iterationsCount Максимальное число итераций. string [out] message
Net() Public	Конструктор по умолчанию.
RemoveNeuron() void Public	Удаление заданного нейрона в заданном слое.	int [in] layerNum Номер слоя int [in] neuronNum Номер нейрона
RemoveNeuron() void Public	Удаление последнего нейрона в слое.	int [in] layerNum Номер слоя.

 

 

 

 

 

 

 

 

 

Neuron

Нейрон

Таблица 26 – Атрибуты класса Neuron.

Атрибут	Описание
m_activationFunctionType ActivationFunctionTypes Private	Тип активационной функции.
m_synapses List<Synapse> Private	Список синапсов, входящих в нейрон.
m_threshold double Private	Порог (для линейной активационной функции).