Введение к работе
Актуальность работы
В настоящее время в разных областях науки и деятельности человека (экономика, финансы, медицина, телекоммуникации, химия, биология, физика и т.п.) сформированы большие массивы разнородной информации. Такая информация может представлять собой переменные состояния каких-либо наблюдаемых объектов или процессов, например, машин, станков, комплексов и целых предприятий и храниться в виде электронных таблиц в базах данных.
В связи с этим актуальными становятся задачи анализа данных и получения в кратчайшие сроки информации о качественном распределении показателей, признаков и состояний изучаемых или используемых объектов на основании уже имеющейся о них информации с целью дальнейшего построения стратегии их применения и развития.
Специфика современных задач анализа данных такова, что часто для их решения предоставляется либо чрезмерно большой массив разнородных данных, либо, наоборот, количество данных для анализа мало и значения в некоторых их признаках отсутствуют или пропущены.
Для решения таких задач используются методы хранилищ данных, статистические методы, эволюционные алгоритмы, стохастические методы, методы нечеткой логики, методы искусственных нейронных сетей.
В настоящей работе развивается метод самоорганизующихся нейронных сетей Кохонена, основными отличиями которого от перечисленных методов являются: универсальность относительно размерности анализируемых данных, встроенная возможность распараллеливания расчетов; кластеризация данных, наглядная визуализация образа анализируемых данных.
Большой вклад в развитие и применение нейронных сетей в разных областях науки и деятельности человека в нашей стране внесли Галушкин А. И. (теория и практическое применение нейронных сетей, системы распознавания образов), Горбань А. Н. (нейросетевые экспертные системы), Терехов С. А. (моделирование сложных инженерных систем с помощью нейронных сетей, машинное обучение, анализ данных), Шумский С. А. (теория и практическое применение нейронных сетей) и другие.
Предлагаемая в диссертации модель нейронной сети, основанная на методе самоорганизующихся карт Кохонена (СОКК), позволяет решить такие известные проблемы этих сетей, как "граничный эффект" и наличие "мертвых"
нейронов. За счет повышения точности и качества анализа данных новая модель нейронной сети позволяет повысить эффективность принятия решений в задачах анализа данных с помощью систем поддержки принятия решений (СППР).
Объект исследования
Самоорганизующаяся нейронная сеть Кохонена как эффективное средство кластерного анализа данных в системах поддержки принятия решений.
Цель диссертационной работы
Повышение эффективности систем поддержки принятия решений за счет применения усовершенствованной модели самоорганизующейся нейронной сети Кохонена.
Для достижения поставленной цели были решены следующие научные и практические задачи:
исследование алгоритма работы классической модели самоорганизующейся нейронной сети Кохонена, его недостатков и существующих способов их устранения;
разработка и исследование усовершенствованной модели нейронной сети Кохонена для устранения недостатков сетей этого типа: граничного эффекта и появления "мертвых" нейронов;
повышение алгоритмической эффективности применения самоорганизующихся нейронных сетей при решении задач анализа данных в системах поддержки принятия решений;
обеспечение встраиваемости полученных программно-алгоритмических результатов в различные системы поддержки принятия решений.
Методы исследования
При решении задач, поставленных в работе, были использованы методы теории нейронных сетей. Для анализа качества работы нейронных сетей использовался критерий энтропии, используемый в теории информации. Для программной реализации использованы методы структурного и объектно-ориентированного анализа и программирования.
Научная новизна работы заключается в следующих положениях:
разработана и исследована усовершенствованная модель нейронной сети Кохонена, которая, устраняет недостатки нейронных сетей этого типа, а также повышает точность и качество аппроксимации анализируемых данных;
предложен новый метод установки связей между нейронами в решетке сети разработанной модели, который упрощает алгоритм установления размеров топологических областей соседства;
определена и доказана эффективность применения усовершенствованной модели сети Кохонена в задачах кластерного анализа.
Практическая ценность работы заключается в:
разработке методики анализа данных с помощью предложенной модели нейронной сети Кохонена;
разработке программного решения в виде динамической библиотеки функций с открытым интерфейсом, которая обеспечивает возможность встраивания и использования разработанной модели нейронной сети в системах поддержки принятия решений.
Достоверность положений
Достоверность научных положений настоящей работы подтверждена сравнением оценок точности и качества аппроксимации данных нейронными сетями разработанной и классической моделей Кохонена. В качестве критерия точности использовался критерий ошибки квантования из теории нейронных сетей, а в качестве критерия качества - критерий энтропии. Достоверность полученных результатов подтверждается также итогами применения разработанных алгоритмов на практике.
Апробация работы
Основные положения диссертационной работы докладывались и обсуждались на расширенных заседаниях кафедры "Теоретической механики" и научных семинарах в ГОУ ВПО МГТУ "Станкин", а также - международных и всероссийских научно-технических конференциях: VIII-ая научная конференция ГОУ ВПО МГТУ "Станкин" и "Учебно-научного центра математического
моделирования ГОУ ВПО МГТУ "Станкин" - ИММ РАН", Москва, 2005 г.; Х-я Международная открытая научная конференция "Современные проблемы информатизации в технике и технологиях" (Воронеж, Воронежский государственный технический университет, 2005 г.); VIII Международная научно-техническая конференция "Информационно-вычислительные технологии и их приложения" (Пенза, МНИЦ ПГСХА, 2008 г.); Научно-методическая конференция "Машиностроение - традиции и инновации" (Москва, ГОУ ВПО МГТУ "Станкин", 2008 г.).
Реализация работы
Разработанное в настоящей диссертационной работе программное обеспечение (ПО), реализующее работу новой модели нейронной сети Кохонена, применялось для решения двух разнородных практических задач:
разработанное ПО внедрено как модуль в систему менеджмента качества автоматизированной информационной системы управления производством шовного хирургического материала "ИГЛА" на ОАО "Московский завод координатно-расточных станков" (ОАО "МЗКРС") с целью выявления причин и скрытых закономерностей в появлении высокого процента брака готовой продукции. Имеется акт о внедрении в промышленную эксплуатацию;
разработанное ПО использовалось на кафедре "Теоретическая механика" ГОУ ВПО МГТУ "Станкин" для анализа результатов моделирования работы конических зубчатых передач с круговыми зубьями в программном комплексе (ПК) "ЭКСПЕРТ", разработанном на кафедре, с целью выявления характеристик этих передач, влияющих на необходимость изготовления нестандартного режущего инструмента.
Публикации. По теме диссертационной работы опубликовано 7 научных работ, включая 2 научные работы в рецензируемых журналах из Перечня ВАК РФ, а также тезисы докладов, подготовленных для международных и региональных научно-технических конференций.
Структура и объем. Диссертация состоит из введения, 4 глав, основных результатов и выводов, списка используемой литературы из 68 наименований, изложена на 145 страницах машинописного текста, включая 54 рисунка и 11 таблиц.
