Використання нейромережевих технологій при створенні систем підтримки прийняття рішень (СППР).

Мал. 3.1.1

1.У будь-який момент можливі лише два стани волокна: наявність імпульсу і його відсутність, так називаний закон «усе або нічого».

2.Передача вихідного сигналу з аксона попереднього нейрона на дендриты або прямо на тіло такого нейрона здійснюється в спеціальних утвореннях - синапсах. Вхідні сигнали підсумовуються із синаптичними затримками й у залежності від сумарного потенціалу генерується або ні вихідний імпульс - спайк.

Формальна модель нейрона.Вперше формальна логічна модель нейрона була введена Маккалоком і Питтсом [3] у 1948 році та тих пір було запропоновано величезна кількість моделей. Але усі вони призначені для рішення в основному задач розпізнавання і класифікації образів. Можна зазначити цілий ряд основних відмінностей запропонованої в даній роботі моделі і вже існуючих. По-перше, у класичних моделях завжди є присутнім «вчитель» або «супервізор», що підбудовує параметри мережі по визначеному алгоритму, запропонований же нейрон повинний підбудовуватися «сам» у залежності від «побаченої» їм послідовності вхідних векторів. Формально говорячи, при роботі нейрона повинна використовуватися тільки інформація з його входів. По-друге, у запропонованій моделі немає речовинних важелів і зваженої сумації по цих вагах, що є великим плюсом при створенні нейрочипу і модельних обчислень, оскільки цілочисленна арифметика виконується завжди швидше, ніж раціональна і простіше в реалізації. Головна ж відмінність запропонованої моделі складається в цілі застосування. C її допомогою вирішуються всі задачі керуючої системи: формування і розпізнавання образів (ФРО), розпізнавання і запам'ятовування закономірностей (БЗ), аналіз інформації БЗ і вибір дій (БПР), у відмінності від класичних моделей, де вирішується тільки перша задача.

Система побудови і дослідження нейронных мереж (СПДНМ).

Для моделювання на ЕОМ компонентів КС, сконструйованих із нейронів усвідомлена необхідність у спеціальному інструменті, що дозволяє за допомогою зручного графічного інтерфейсу створювати бібліотеки шаблонів блоків, будувати мережі з блоків, побудованих по шаблонах, і прораховувати мережу з можливістю перегляду проміжних станів мережі, збору й аналізу статистики про роботу мережі з метою налагодження.

При створенні (або виборі) інструмента використовувалися такі критерії:

відкритість, або специфікація і реалізація інтерфейсу і (процедур обробки) форматів даних, що дозволяють проводити модифікацію і нарощування функціональності системи не торкаючись ядра системи і з мінімальними витратами на модифікацію зв'язаних компонентів, іншими словами, мінімізація зв'язків між компонентами;

гнучкість, можливості по конструюванню як можна більшої кількості класів формальних моделей нейронів і мереж під самі різноманітні додатки від моделей КС супутників і космічних апаратів до систем підтримки прийняття рішень і систем прогнозування курсу цінних паперів;

багатоплатформеність, максимальна незалежність від операційної системи;

зручність і пристосованість до моделювання саме систем підтримки прийняття рішень, простота у використанні і спроможність ефективно працювати на слабких ресурсах ЕОМ (класу персональних комп'ютерів).

Аналіз існуючих у наявності або доступних СППР і інших систем (наприклад, LabView або систем із класичними НМ), тим або іншою чином задовольняючих першим трьом критеріям, показав, що усі вони є або великоваговими, або занадто дорогими, або дуже погано пристосовані до моделювання систем керування з формальною моделлю нейрона. Таким чином, виникнула необхідність в інструменті для науково-дослідних цілей, який би дозволяв перевіряти ідеї створення СППР і створювати прототипи КС на НМ.

Мал. 5.1. Загальна схема ядра СПДНМ.

На приведеній схемі (рис 5.1) [1] зазначені основні класи об'єктів ядра системи і їхня взаємодія. Стрілками показані потоки даних при роботі системи. Кожному з основних блоків КС відповідає свій блок у системі. Чотири блоки: ФРО, БЗ, БОС і БПР складають КС. З формальної моделі НМ випливає, що блок - це ієрархічна структура, у якій елементи одного рівня сполучені в мережу і кожний з елементів рівня може бути мережею, що складається з елементів більш низького рівня. Розглядаючи обраний елемент будь-якого рівня, можна вважати його «чорною скринєю», тобто абстрагуватися від його змісту і внутрішньої будови. Наприклад, можна на деякому проміжному етапі конструювання КС абстрагуватися від нейро-мережевої реалізації блока верхнього рівня і спробувати різноманітні реалізації, причому необов’язково нейромережеві. Система не накладає обмежень на внутрішню будову кожного блока, тому воно може не мати внутрішньої ієрархії, а просто рекомендуватися деякою функцією виходу. Далі, у процесі розвитку КС, зміст окремих блоків може змінитись, можливо стати більш складним і ієрархічним, при цьому поведінка системи не зміниться, якщо новий зміст забезпечує функціональність старого в еквівалентності вихідних функцій. Таким чином, полегшується розробка системи, тому що з'являється можливість конструювання «зверху донизу», немає необхідності реалізовувати блок відразу через НМ, можна поставити тимчасову «заглушку», а в процесі розвитку системи ускладнювати, доповнювати або заміняти на цілком іншу внутрішню конструкцію блоків.Крім зазначених блоків, у систему входять ще два важливих класи об'єктів: конструктори мережі й аналізатори роботи мережі. Перші, як очевидно з назви, призначені для створення робочих копій НМ у пам'яті комп'ютера по різноманітних джерелах, наприклад по специфікації мережі з файла. Власне, для кожного джерела і створюється свій об'єкт. Специфікація мережі може посилатися на шаблони блоків з бібліотеки, які, таким чином, також можуть бути джерелом для конструкції. Аналізатори потрібні при налагодженні мереж. Справа в тому, що мережі можуть містити тисячу і десятки тисяч елементів (принципових обмежень немає,мають місце обмеження тільки по пам'яті і продуктивності комп'ютера), роботу яких одночасно простежити просто неможливо, особливо якщо тимчасовий інтервал роботи складає сотні і більш тактів. Тому необхідно якось узагальнювати інформацію про стан мережі (який є сукупність станів кожного елемента) у кожний момент часу і видавати користувачу сумарну інформацію, можливо, з деякою деталізацією на бажаняя користувача. Для такої задачі і потрібні спеціальні об'єкти - аналізатори. Ці об'єкти можуть зберігати історію станів обраних елементів в обрані інтервали часу і згодом її аналізувати, тобто визначати статистичного роду інформацію. Кожний об'єкт вирішує цю задачу по-своєму і може бути обраний у залежності від роду необхідної інформації про роботу мережі.