Решение задач с использованием искусственных нейронных сетей

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

ОТЧЕТ

 

Лабораторная работа № 3 по курсу

Интеллектуальные системы

 «Решение задач с использованием  искусственных нейронных сетей»

6

(количество листов)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Москва, 2014г.

1.    Цель и задачи лабораторной работы

Целью лабораторной работы является углубление и закрепление теоретических знаний, полученных на лекциях, приобретение практических навыков самостоятельного исследования при решении задач выбора, обучения и работы ИНС.

В процессе выполнения лабораторной работы по теме «Решение задач с использованием искусственной нейронной сети» студенты решают следующие задачи (задания):

- описывают предметную область  и выбирают решаемую задачу (предпочтение  должно отдаваться задачам практической  направленности);

- определяют множество обучающих  примеров;

- в зависимости от решаемой  задачи выбирают структуру ИНС;

- выбирают алгоритм обучения  ИНС;

- проводят обучение ИНС на  тестовом множестве примеров  с помощью выбранного алгоритма  обучения;

- исследуют работу обученной ИНС в режиме распознавания.

 

2.    Задание к лабораторной работе

2.1. Разработать (или использовать  готовую) программу, которая обучает  ИНС распознавать черно-белое (bitmap) изображение, состоящее не менее чем из 35 пикселей (матрица 5х7). При этом, ИНС должна иметь входы, ассоциированные с пикселями матрицы, и выход(ы), количество которых соответствует решаемой задаче и выбранной архитектуре.

2.2. В написанной или выбранной  программе должна быть реализована  возможность задания множества  обучающих примеров в виде  образов (n матриц размерностью 140х200), а также изменения величины коэффициента скорости обучения. Программа должна предусматривать два режима работы: обучения и распознавания. Обучение должно производиться с использованием алгоритма, соответствующего архитектуре выбранной для решения задачи ИНС. Вероятность распознавания обученной ИНС должна быть не менее 65%.

 

3.   Описание предметной области и выбранной задачи.

Выбранная предметная область – Учебный пример.

Цель создания ИНС – получить навыки разработки ИНС и узнать принципы построения ИНС и в дальнейшем демонстрировать в качестве учебного примера для разработки ИНС.

 

4.   Структура, основные параметры выбранной ИНС и блок-схема алгоритма обучения

Структура и основные параметры выбранной ИНС:

 

 

В нашем случае количество входов будет равняться 28000 (140х200). В программе используется классическая однослойная сеть Кохонена из n параллельно действующих линейных элементов. Поэтому количество нейронов, а соответственно и выходов, равно n.

 

Блок-схема алгоритма обучения.

 

5.   Описание программы, ее ключевые особенности и новшества.

Программа, разработанная в данной лабораторной работе, написана на языке C# в Ms Visual Studio.

В данном приложении два основных окна: окно обучения/распознавания и окно просмотра имеющихся образов.

В первом окне можно рисовать в поле образ буквы, числа или чего-то еще, а затем выбрать действие для данного изображения. Можно распознать данный образ, обучить сеть на его распознавание, добавить изображение в базу приложение, либо отчистить поле рисования.

В программе используется классическая однослойная сеть Кохонена из n параллельно действующих линейных элементов. Поэтому количество нейронов, а соответственно и выходов, равно n. В результате распознавания ищется реакция каждого нейрона сети на входной образ, находится максимальный, и если она больше 50% максимально возможного значения для данного типа образа, то сеть выводит символ, соответствующий этому нейрону. Если значение меньше 50% максимально возможного значения, то сеть отвечает что не знает, что это за символ.

Особенностью данного приложения является метод обучения. Он разрабатывался с опорой на механизм обучения человеческого мозга. Так, для обучения сети не используется какая-либо база изображения. Существующая нейросеть не создается каждый раз заново, она просто дообучается на введенные пользователем символы. При запоминании нового символа в сети создается новый нейрон и весы входов, соответствующих закрашенной части, увеличивают свое значение. При дообучении сети на существующий символ входы увеличивают свое значение при попадании на закрашенную часть символа и уменьшают свое значение при попадании на белое пространство.

Нейросеть, используемая в программе, обучена на распознавание следующих символов: «С», «О», «А», «8», «R», «I», «X», «Z». Обучение остальным символам можно провести самостоятельно.

 

 

 

6.   Протоколы проведенных экспериментов, с указанием погрешности распознавания

 

Примеры работы программы с распознаванием символов, которым нейросеть обучена

 

 

 

 

Примеры распознавания символов с шумом 0,8%

 

 

 

 

 

 

 

 

Ошибочный ответ нейросети

 

Результат работы программы после коррекции (однократного дообучения)

7.   Выводы.

В данной лабораторной работе мы познакомились с принципами разработки и построения искусственных нейронных систем. Разработанная в лабораторных работах ИНС может обучаться и распознавать уже обученные символы. Изначально система настроена на распознавание 8 символов «С», «О», «А», «8», «R», «I», «X», «Z» с вероятностью распозвания выше 60%. Точность распознавания зависит от конкретного написания. Поэтому при обучении нейросети на особый шрифт стоит создать для этого отдельную копию приложения. Если ответ нейросети не достигает 50% максимального ответа сети на какой-либо символ, программа отвечает, что не знает этого символа.

Обучение ведется путем изменения значения весов входов нейронов.

ИНС можно использовать в различных предметных областях, так как вероятность распознавания символа достаточно велика, а разрешение поля рисования достаточно для большого количества образов. Наиболее весомыми недостатками приложения являются: отсутствие возможности центрирования и поворота изображения, а также работа только с монохромными изображениями.

 

8.   Используемая литература.

1. Конспект лекций по курсу «Интеллектуальные системы» 2-ой семестр 2013-2014 учебного года;
2. «Методические указания по проведению лабораторной работы «Решение задач с использованием искусственной нейронной сети» по курсу «Интеллектуальные системы»» Терехов В. И.