Jump to content

    

Использование нейронных сетей

Тут ссылку на кучу книжек выложили - очень интересно.

Интересно, а много среди нас тех кто яростно использует эти самые нейронные сети и в каких задачах.

Я так прикинул куда их можно прикрутить.

Пусть фильтрация сигналов, дык вроде как оптимального фильтра круче нет на свете, да и с анализом оптималки куда проще, во всяком случае не сложнее.

Распознавание образов. Стояла актуальная задача (в общем так и не упала).

Прикупил книжку (не помню название синенькая такая), там был даже пример распознавания контуров объектов, так вот незадача самая важная часть (количественная оценка объекта, например танк=1.3 а дом=5) вычислялась Фурье преобразованием, а вот компаратор объектов выполнен на нейронах :(

Еще неудачный пример. Несколько лет назад, будучи студентом, попалась компьютеррка с популяризацией эволюционных методов обучения нейронных сетей. От прочитанного эмоции лились через край (в возбужденной голове мелькали фразы "Я понял суть мироздания! Миру пи@дец!"). Принялся за дело. Для начала решил из одного урезанного нейрона получить эволюционными методами кореллятор. Написал в MatLab программку и вперед, за 15 минут расчета сеть (если можно так назвать) приблизилась к результату ~95% далее за сутки почти ни с места.

В общем, буду рад услышать ваши отзывы, только не надо бщих фраз типа "Ну а вы что хотели, это конкретные решения конкретных задач".

Share this post


Link to post
Share on other sites

В некоторых современных датчиках расхода, используется алгоритм распознавания степени загрязнения тела обтекания или стенок трубы с использованием нейросетей. По закгрязнению они пото корретируют расход. Была написана модель загрязнения, по ней обучили нейросеть, подобрали веса нейронов и все такое. Сеть получилась не очень большая, веса нейронов известны, поэтому она легко влезла в микроконтроллер, правда DSP.

Будучи студентом, была у меня на практике тема. Определение источника загрязнения воздуха и его параметров в городе. Так вот вообщем-то задача решается собычным методами(наменьшей среднеквадратической ошибки) путем сравнивания с эталонной моделью. Но оказалось, что нейросети были как нельзя кстати. Так мат модель распространения примесей в городе была известна. Все что нужно было - это просто подобрать тип нейросети и обучить ее. И она превосходно решала эту задачу.

Еще знаю разработана система управления снабжения города электроэенргией. Сеть обучалась на основе данных за н-ое количество дней. Полсе этого она прекрасно предсказывала, сколько энергии сейчас нуно, чтобы не перегружать подстанции.

И еще знаю, система диспетчерезации и распределения грузовых поездов на перегонах.

Да еще в теории финаннсов и на бирже есть системы работающие под управлением самообучающихся нейросетей.

Share this post


Link to post
Share on other sites

А я по работе хочу использовать НС для оценки канала распространения радиосигнала и синхронизации. Получается пока хреново :(.

Зато домашний проект прикручивания самоорганизующейся НС к тележке на колёсиках идёт полным ходом :).

А вообще мне немного не повезло -- у нас НС'ами занимается другой отдел. Они их успользуют для фильтрации сигнала и управления фазированными антенными решётками. Говорят получается.

По поводу применения НС рекомендую прочесть книжки "применение НС для обработки сигналов" и "... для обработки изображений". Так же -- www.module.ru -- это по поводуклассификации в реальном времени. У них в авишных демонстрашках есть такое.

Share this post


Link to post
Share on other sites

А какие симуляторъи ползуете?

Если можно даите линк на что то интересное. Хочется попробоват потенциал невросетей. Я давно занимаюс с Голосовое Управление но до тех пор с стандартное програмирование не успел сделат что то устоичиво работащее.

Share this post


Link to post
Share on other sites
А какие симуляторъи ползуете?

Если можно даите линк на что то интересное. Хочется попробоват потенциал невросетей. Я давно занимаюс с Голосовое Управление но до тех пор с стандартное програмирование не успел сделат что то устоичиво работащее.

Я пользовал MatLab с пакетом для нейронесетей.

Share this post


Link to post
Share on other sites
А какие симуляторъи ползуете?

Если можно даите линк на что то интересное. Хочется попробоват потенциал невросетей. Я давно занимаюс с Голосовое Управление но до тех пор с стандартное програмирование не успел сделат что то устоичиво работащее.

 

Я программист, поэтому симуляторы самописные. Сейчас с женой делаем пакет анализа данных с GUI по linux. Ей - для жидкостной хроматографии, мне - для систем связи, AI и всего остального :). Но он будет, в основном, расчитан на плату нейросопроцессора МС4.31. Как напишу - выложу под GPL.

Share this post


Link to post
Share on other sites

Где я использовал нейросети:

- C-кластеризация в задачах классификации

- анализ набора хаотических данных в отсутствии корелляционной зависимости

 

Интересно кто-нибудь использовал НС в задачах анализа временных рядов курсов валют или котировок? Ну конечно же использовал. Интересует каких результатов Вы добились?

Share this post


Link to post
Share on other sites

Мы с приятелем пытаемся. Но до результата ещё далеко.

Share this post


Link to post
Share on other sites

Я пользую НС для диагностики металлических конструкций при сложных динамических нагрузках. Пока правда есть трудности, но двигаюсь к успеху. Есть интересный вопрос, на который все специалисты в этой области стараются не отвечать "Как зависит структура НС от сложности объекта, информацию о котором она обрабатывает" Есть только частные случаи решения этой проблемы.

Share this post


Link to post
Share on other sites

я студентом будучи, для проекта по автоматике делал регулятор на нейросети и на нечеткой логике (два разных регулятора) - положение шарика на наклонной плоскости регулировал - намано получилось, нейросети и нечеткая логика давали похожие результаты, регулирование было быстрее чем ПИД регулятором.

работал с МатЛабом и модулями к нему.

Share this post


Link to post
Share on other sites
я студентом будучи, для проекта по автоматике делал регулятор на нейросети и на нечеткой логике (два разных регулятора) - положение шарика на наклонной плоскости регулировал - намано получилось, нейросети и нечеткая логика давали похожие результаты, регулирование было быстрее чем ПИД регулятором.

работал с МатЛабом и модулями к нему.

 

При более сложном алгоритме управления получается, что использование НС не выгодно. Прелесть НС в том, что она учится управлять сама. Но кто будет ее учить? Применение сетей без учителя возможно, но при небольшом количестве нейронов. Применение сетей с учителем требует непосредственно учителя, а учить может или человек или регулятор, который подключен параллельно с НС находящейся в состоянии обучения. Сами понимаете, что если есть работающий регулятор, то зачем еще городить НС. Вот и возникает вопрос, как зависит структура НС от сложности объекта управления?)

Share this post


Link to post
Share on other sites
При более сложном алгоритме управления получается, что использование НС не выгодно. Прелесть НС в том, что она учится управлять сама. Но кто будет ее учить? Применение сетей без учителя возможно, но при небольшом количестве нейронов. Применение сетей с учителем требует непосредственно учителя, а учить может или человек или регулятор, который подключен параллельно с НС находящейся  в состоянии обучения. Сами понимаете, что если есть работающий регулятор, то зачем еще городить НС. Вот и возникает вопрос, как зависит структура НС от сложности объекта управления?)

 

В серии "Нейрокомпьютеры и их применение" была книга #2 "нейроуправление и его применение" автор - Сигеру Омату. Там сравнивалось PID, нейро и fuzzy. Алгоритмы самообучения там тоже рассмотрены.

Share this post


Link to post
Share on other sites

Самое главное это понять что ничего магического НС делать не могут: на самом деле это просто линейные функции, то есть задается плоскость и нейрон определяет с какой стороны от нее находятся входные данные, ну а обучение это просто выбор этой плоскости. Более сложные НС это еще простенькая схемка приделанная к нескольким нейронам. Вот и получается что они могут решать только задачи которые (пусть приближенно) можно описать таким тривиальным способом.

Share this post


Link to post
Share on other sites
Самое главное это понять что ничего магического НС делать не могут: на самом деле это просто линейные функции, то есть задается плоскость и нейрон определяет с какой стороны от нее находятся входные данные, ну а обучение это просто выбор этой плоскости. Более сложные НС это еще простенькая схемка приделанная к нескольким нейронам. Вот и получается что они могут решать только задачи которые (пусть приближенно) можно описать таким тривиальным способом.

нейросети это не обязательно линейные функции - функцию нейрона можно задать любую, и вся сеть будет описывать достаточно сложную фигуру.

не стоит забывать "самообучающиеся сети" - которые достаточно широко используются в задачах классификации - здесь интерес в том, что неизвестный входной сигнал (который раньше не встречался) может быть отнесен к уже существующим группам, или сеть создаст новую группу.

 

надеюсь понятно написал?

Share this post


Link to post
Share on other sites

Create an account or sign in to comment

You need to be a member in order to leave a comment

Create an account

Sign up for a new account in our community. It's easy!

Register a new account

Sign in

Already have an account? Sign in here.

Sign In Now
Sign in to follow this