ТАБЛИЧНАЯ РЕАЛИЗАЦИЯ ИСКУССТВЕННОЙ НЕЙРОННОЙ СЕТИ РАДИАЛЬНЫХ БАЗИСНЫХ ФУНКЦИЙ ДЛЯ КЛАССИФИКАЦИИ ОБРАЗЦОВ

Аннотация

В работе представлена разработка и исследование нового конструктивного алгоритма построения моделей для классификации образцов с использованием искусственной нейронной сети с радиальными базисными функциями в среде табличного процессора Microsoft Excel без программирования на VBA. Предложенный алгоритм может быть рассмотрен как наиболее эффективный способ решения задач классификации с использованием искусственных нейронных сетей, поскольку построенная таким образом модель легко расширяется и модифицируется, что способствует применению ее для решения множества однотипных задач. Создание табличных моделей посредством предложенного алгоритма существенно расширяет возможности электронных таблиц, как простой и эффективной среды моделирования и визуализации данных. Приводятся разработанная табличная модель искусственной нейронной сети с радиальными базисными функциями, а также общие рекомендации по ее расширению, модификации и применению в задачах классификации. Показаны результаты классификации RBF-сетью неизвестных образцов на базе набора учебных вектор-образцов. К достоинствам представленной в статье табличной модели можно отнести ее исключительную наглядность, что может быть эффективно использовано в учебном процессе с целью изучения особенностей алгоритмов работы нейронных сетей. Разработанная технология табличного моделирования алгоритмов классификации образцов представляет наибольший интерес для учебных целей, обеспечивая обучающимся неограниченный доступ к структурам данных и алгоритмам их обработки, а также наглядно отображая в динамическом режиме промежуточные и выходные результаты моделирования. Предложенный алгоритм построения моделей может быть также интересен специалистам в предметной области, не владеющим языками программирования.

Сведения об авторах

Оксана Владимировна Аникина, Тольяттинский государственный университет

кандидат технических наук, доцент, кафедра прикладная математика и информатика

Оксана Михайловна Гущина, Тольяттинский государственный университет

кандидат педагогических наук, доцент, кафедра прикладная математика и информатика

Екатерина Владимировна Панюкова, Тольяттинский государственный университет

кандидат педагогических наук, доцент, кафедра прикладная математика и информатика

Наталья Николаевна Рогова, Тольяттинский государственный университет

старший преподаватель, кафедра прикладная математика и информатика

Литература

[1] Haykin S. Neural Networks: A Comprehensive Foundation. 1st ed. Prentice Hall PTR Upper Saddle River, NJ, USA. 1994. 768 p.
[2] Adjemov S.S., Klenov N.V., Tereshonok M.V., Chirov D.S. The use of artificial neural networks for classification of signal sources in cognitive radio systems. Programming and Computer Software. 2016; 42(3):121-128. DOI: 10.1134/S0361768816030026
[3] Kurbatsky V.G., Sidorov D.N., Spiryaev V.A., Tomin N.V. Forecasting Nonstationary Time Series Based on Hilbert–Huang Transform and Machine Learning. Automation and Remote Control. 2014; 75(5):922-934. DOI: 10.1134/S0005117914050105
[4] Bogoslovskiy S.N. The scope of neural networks and the prospects for their development. Nauchnyy zhurnal KubGAU = Scientific journal of KubSAU. 2007; 27(3):1-11. (In Russian)
[5] Schegolev A.E., Klenov N.V., Soloviev I.I., Tereshonok M.V. Adiabatic superconducting cells for ultra-low-power artificial neural networks. Beilstein Journal of Nanotechnology. 2016; 7:1397-1403. DOI: 10.3762/bjnano.7.130
[6] Ignatenkov A.V., Ol'shanskij A.M. Application of an artificial neural network for scheduling processes on the example of the train schedule. Modern Information Technologies and IT-Education. 2015; 11(2):50-55. Available at: https://elibrary.ru/item.asp?id=26167466 (accessed 12.04.2018). (In Russian)
[7] Kipyatkova I.S., Karpov A.A. A study of neural network Russian language models for automatic continuous speech recognition systems. Automation and Remote Control. 2017; 78(5):858-867. DOI: 10.1134/S0005117917050083
[8] Kipjatkova I.C., Karpov A.A. Variants of deep artificial neural networks for speech recognition systems. Trudy SPIIRAN = SPIIRAS Proceedings. 2016; 6(49):80-103. (In Russian) DOI: 10.15622/sp.49.5
[9] Ryzhkov A.P., Katkov O.N., Morozov S.V. Neural network technologies in the decision of tasks of differentiation of access. Voprosy kiberbezopasnosti = Cybersecurity issues. 2016; 3(16):69-76. Available at: https://elibrary.ru/item.asp?id=26273593 (accessed 12.04.2018). (In Russian)
[10] Glazkova A.V. Automatic document classification on the basis of text audience age groups in e-learning systems. Modern Information Technology and IT-education. 2016; 12(3-2):50-54. Available at: https://elibrary.ru/item.asp?id=27705954 (accessed 12.04.2018).
[11] Basalin P.D., Kumagina E.A., Nejmark E.A., Timofeev A.E., Fomina I.A., Chernyshova N.N. IT education with an intelligent learning environment. Modern Information Technologies and IT-Education. 2017; 13(4):105-111. (In Russian) DOI: 10.25559/SITITO.2017.4.384
[12] Mikhailov A.S., Staroverov B.A. Visualization of training sample creation process for artificial neural network. Nauchnaja vizualizacija = Scientific Visualization. 2016; 8(2):85-97. Available at: https://elibrary.ru/item.asp?id=26460835 (accessed 12.04.2018). (In Russian)
[13] Voevoda A.A., Romannikov D.O. Synthesis of neural network for solving logical-arithmetic problems. Trudy SPIIRAN = SPIIRAS Proceedings. 2017; 5(54):205–223. (In Russian) DOI: 10.15622/sp.54.9
[14] Burdinskiy S.A., Kistenev V.K., Panteleyev V.I., Toropov A.S. 2007. Neural network modeling of non-tidal electricity consumption of railways. Proceedings of the Second All-Russian Scientific and Technical Conference with international participation “Problems of electrical engineering, power engineering and electrotechnology”. Togliatti: TSU. 372 p. (In Russian)
[15] Uskov A.A., Kuzmin AV. Intelligent control technologies. Artificial neural networks and fuzzy logic. M.: Goryachaya liniya – Telekom, 2004. 143 p. (In Russian)
[16] Gorshenin A.K. Pattern-based analysis of probabilistic and statistical characteristics of extreme precipitation. Informatics and Applications. 2017; 4:38-46. (In Russian) DOI: 10.14357/19922264170405
[17] Boltunov E.V. Neural network method of expanding the dynamic range of an analog-to-digital converter. Prospects for the development of information technologies. 2011; 4:79-83. Available at: https://elibrary.ru/item.asp?id=21017746 (accessed 12.04.2018). (In Russian)
[18] Nikolaeva I.V. Application of artificial neural networks for forecasting the dynamics of economic indicators. Sfera uslug: innovatsii i kachestvo = Services: innovation and quality. 2012; 8:22. Available at: https://elibrary.ru/item.asp?id=25679701 (accessed 12.04.2018). (In Russian)
[19] Shumskikh I.Yu., Piganov M.N. The use of a neuroimitator for predicting the reliability of space equipment. Regional scientific and practical conference dedicated to the 50th anniversary of the first manned flight into space. Samara, April 14-15, 2011. Samara: Publishing house of the Samara State Aerospace University, 2011. Pp. 205-207. (In Russian)
[20] Zhukov V.G., Bukhtoyarov V.V. On the application of artificial neural networks with radial basis functions in the problems of detecting anomalies in network traffic. Reshetnevskiye chteniya = Reshetnevsky readings. 2013; 2(17):285-286. Available at: https://elibrary.ru/item.asp?id=21802174 (accessed 12.04.2018). (In Russian)
[21] Amosov O.S., Magola D.S., Malashevskaya E.A. Estimation of Random Sequences Using Fuzzy Systems and Clustering. Informatika i sistemy upravleniya = Informatics and Control Systems. 2012; 1(31):146-155. Available at: https://elibrary.ru/item.asp?id=17637581 (accessed 12.04.2018). (In Russian)
[22] Bessonov A.A. A generalized learning algorithm for an evolving radial-basis network. Sistemi obrobki ínformatsíí̈ = Information processing systems. 2015; 10:163-166. Available at: http://www.hups.mil.gov.ua/periodic-app/article/13422 (accessed 12.04.2018). (In Russian)
[23] Dorofeyeva L.I. Modeling and Optimization of Separation Processes: Textbook. Tomsk: Publishing house of Tomsk Polytechnic University, 2008. 128 p. (In Russian)
[24] Abu Suek A.R.M. Prospects for the use of neural networks for assessing the quality of crude oil. REDS: Telekommunikatsionnyye ustroystva i sistemy = REDS: Telecommunication devices and systems. 2014; 4(4):376-378. Available at: https://elibrary.ru/item.asp?id=25663619 (accessed 12.04.2018). (In Russian)
[25] Rechnov A.V. Application of neural networks for classification analysis. Vestnik Rossiyskogo universiteta kooperatsii = Bulletin of the Russian University of Cooperation. 2013; 4(14):141-144. Available at: https://elibrary.ru/item.asp?id=21608691 (accessed 12.04.2018). (In Russian)
[26] Yudin D.A., Magergut V.Z. Application of the method of extreme training of the neural network for the classification of image areas. Nauchnyye vedomosti BelGU. Seriya: Istoriya. Politologiya. Ekonomika. Informatika = Scientific Bulletin of BelGU. Series: History. Political science. Economy. Computer science. 2013; 26/1:95-103. Available at: https://www.bsu.edu.ru/upload/iblock/a33/%E2%84%968%20(151)%20%D0%B2%D1%8B%D0%BF%2026_1.pdf (accessed 12.04.2018). (In Russian)
[27] Vinogradova E.Yu. Methodology for designing neural networks to support the adoption of managerial decisions. Izvestiya IGEA = News IGEA. 2011; 4:182-186. Available at: https://elibrary.ru/item.asp?id=16519395 (accessed 12.04.2018). (In Russian)
[28] Network of radial basis functions. MachineLearning.ru. Available at: http://www.machinelearning.ru/wiki/index.php?title=RBF (accessed 12.04.2018). (In Russian)
[29] Lyubivaya T.G. Table simulation of artificial intelligence algorithms in MS Excel. NovaInfo.Ru. 2016; 4(56):251-256. (In Russian)
[30] Anikin V.I., Karmanova A.A. Training of the artificial neural network of Kohonen by a cellular automaton. Informatsionnyye tekhnologii = Information technologies. 2014; 11:73-80. (In Russian)
[31] Solozhentsev E.D. Scenario logic-probabilistic risk management in business and technology. SPb.: Publishing house "Business Press", 2004. 432 p. (In Russian)
Опубликована
2018-06-30
Как цитировать
АНИКИНА, Оксана Владимировна et al. ТАБЛИЧНАЯ РЕАЛИЗАЦИЯ ИСКУССТВЕННОЙ НЕЙРОННОЙ СЕТИ РАДИАЛЬНЫХ БАЗИСНЫХ ФУНКЦИЙ ДЛЯ КЛАССИФИКАЦИИ ОБРАЗЦОВ. Современные информационные технологии и ИТ-образование, [S.l.], v. 14, n. 2, p. 436-445, june 2018. ISSN 2411-1473. Доступно на: <http://sitito.cs.msu.ru/index.php/SITITO/article/view/369>. Дата доступа: 28 mar. 2024 doi: https://doi.org/10.25559/SITITO.14.201802.436-445.
Раздел
Исследования и разработки в области новых ИТ и их приложений