Федеральное агентство по образованию

Государственное образовательное учреждение

Высшего профессионального образования

«Тверской государственный технический университет»

Кафедра (предметная комиссия) ИНФОРМАЦИОННЫЕ СИСТЕМЫ

СОГЛАСОВАНО УТВЕРЖДАЮ

Гл. специалист предприятия, Заведующий кафедрой ИС

для которого выполнен

реальный проект (работа)

подпись, инициалы, фамилия подпись, инициалы, фамилия

“ “ 2011г. “ “ 2011г.

Пояснительная записка к курсовому проекту (работе)

На тему: «Сеть GRNN и аппроксимация функций (demogrn1)»

Автор курсового проекта (работы) Фролова А.Ю.

подпись, инициалы, фамилия

Обозначение курсового проекта (работы) группа ПИЭ-0908

Специальность прикладная информатика в экономике ПИЭ 0908_______________________

номер, наименование

Руководитель проекта (работы)

подпись, дата инициалы, фамилия

Проект (работа) защищен(а) _______________________ оценка______________________________

дата

Консультанты по разделам:

Аналитическая часть ________

краткое наименование раздела подпись, дата, инициалы, фамилия

Проектная часть _____________

краткое наименование раздела подпись, дата, инициалы, фамилия

Нормоконтролер ___________________________________

подпись, дата, инициалы, фамилия

Тверь 2011

город год защиты

Тверской государственный технический университет

Кафедра Информационные системы

Утверждаю

Заведующий кафедрой ИС

(подпись)

" " 2011 г.

Задание

на выполнение курсового проекта (работы)

Студенту Фроловой А.Ю.,

1. Тема проекта (работы): «Сеть GRNN и аппроксимация функций (demogrn1) »

(утверждена приказом по ВУЗу от № _______ ).

2. Срок сдачи студентом законченного проекта (работы)

3. Исходные данные к проекту (работе)

4. Содержание расчётно-пояснительной записки курсового проекта (работы):

а) Аналитическая часть

б) Проектная часть

5. Перечень графического (иллюстративного) материала:

6. Консультанты по проекту (работе) с указанием относящихся к ним разделов проекта

7. Дата выдачи задания

Руководитель

подпись

Задание принял к исполнению “ ” 2011г.

(подпись студента)

					КП – 2068280 – 080801– 12 - 2011
Изм.	Лист	№ документа	Подпись	Дата
Разработала		Фролова А.Ю.			Содержание	Литера			Лист	Листов
Проверила		.					У		3	1
Консультант		.				ТГТУ,0908
Утвердил

Содержание

Введение………………………………………………………………………………….…...4

1. Теоретическая часть ……………………………...………………………………......5

1.1 Краткий исторический обзор............................…..……...................................................5

1.2 Биологические нейронные сети……….………..……………..........................................6

1.3 Модель технического нейрона……………………………...…………….………………8

1.4 Архитектура нейронной сети…………………………………………………………......9

1.5 Обучение нейронной сети………………………………………………………………...10

2. Многослойные сети прямого распространения…..………..……....................14

2.1 Многослойный персептрон………..……………………………………….…………....17

2.2 Сеть обобщённой нейронной регрессии (GRNN)..……...……………………………..20

2.3 Краткое описание возможностей ПС MATLAB 6.1 и тулбокса NNT……………....22

3. Проектная часть………………………………………………………….......................24

3.1 Применение сети обобщённой регрессии (GRNN) для решения задачи

аппроксимации функции.……………………………….………………………………..….21

3.2 Руководство пользователя….................................................…………………….……...29

4. Заключение……………………………………………………………..…………………31

5. Список литературы………………………………………………………......................33

					КП – 2068280 – 080801– 12 - 2011
Изм.	Лист	№ документа	Подпись	Дата
Разработала		Фролова А.Ю.			Введение	Литера			Лист	Листов
Проверила							У		5	1
Консультант						ТГТУ,0908
Утвердил

Введение

В последние десятилетия в мире бурно развивается новая прикладная область математики, специализирующаяся на искусственных нейронных сетях (ИНС). Актуальность исследований в этом направлении подтверждается массой различных применений ИНС. Это автоматизация процессов распознавания образов, адаптивное управление, аппроксимация функционалов, прогнозирование, создание экспертных систем, организация ассоциативной памяти и многие другие приложения. С помощью искусственных нейронных сетей можно, например, предсказывать показатели биржевого рынка, выполнять распознавание оптических или звуковых сигналов, создавать самообучающиеся системы, способные синтезировать речь по тексту.

Искусственная нейронная сеть (ИНС) - это набор нейронов, соединенных между собой. Как правило, передаточные функции всех нейронов в нейронной сети фиксированы, а веса являются параметрами нейронной сети и могут изменяться. Некоторые входы нейронов помечены как внешние входы нейронной сети, а некоторые выходы - как внешние выходы нейронной сети. Подавая любые числа на входы нейронной сети, мы получаем какой-то набор чисел на выходах нейронной сети. Таким образом, работа нейронной сети состоит в преобразовании входного вектора в выходной вектор, причем это преобразование задается весами нейронной сети. Практически любую задачу можно свести к задаче, решаемой нейронной сетью.

Данный курсовой проект состоит из двух частей: аналитической части и проектной части. В аналитической части приводятся основные понятия нейронных сетей, методы применения нейронных сетей при решении задач. В проектной части разрабатывается приложение в среде ПС MATLAB 6 Notebook для решения задачи из состава демонстрационных примеров тулбокса NNT, реализованной в виде М-файла MATLAB: сеть GRNN и аппроксимация функций (demogrn1).

					КП – 2068280 – 080801– 12 - 2011
Изм.	Лист	№ документа	Подпись	Дата
Разработала		Фролова А.Ю.			Теоретическая Часть	Литера			Лист	Листов
Проверила							У		7	15
Консультант						ТГТУ,0908
Утвердил