Главная База знаний "Allbest" Программирование, компьютеры и кибернетика Автоматизированная система построения нейронной сети методом обратного распространения ошибки

Автоматизированная система построения нейронной сети методом обратного распространения ошибки

Рассмотрение способов применения и основных понятий нейронных сетей. Проектирование функциональной структуры автоматизированной системы построения нейросети обратного распространения ошибки, ее классов и интерфейсов. Описание периода "бета тестирования".

Рубрика Программирование, компьютеры и кибернетика
Вид дипломная работа
Язык русский
Дата добавления 02.03.2010
Размер файла 3,0 M

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Страница:

Сальдо реальных накопленных денег во всех временных интервалах положительно. Это говорит о том, что при реализации проекта не возникнет ситуация, связанная с нехваткой денежных средств. Значение интегрального экономического эффекта больше нуля (NPV=465400>0). Это значит, что проект по его окончании не только окупит вложенные в него средства, но и принесет прибыль.

Значение индекса доходности более единицы (SRR=4,96>1) так же говорит о прибыльности проекта.

Внутренний коэффициент эффективности значительно больше заданной ставки дисконтирования (IRR=5,72>0,15), следовательно, инвестирование денежных средств в проект гораздо выгоднее чем помещение средств на банковский депозит. Срок окупаемости проекта составляет 1,12 года.

Заключение

При выполнении данной дипломной работы мною был спроектирована и реализована система построения нейронной сети и произведен расчет экономических показателей при тиражировании программы.

В результате реализации данного проекта я получил теоретические знания о нейронных сетях обратного распространения ошибки и практические навыки в области определения требований заказчика, исследования предметной области, объектно-ориентированного проектирования сложных информационных систем.

В первой главе мы обсудили некоторые общие аспекты построения нейронных систем, их сущность и способы применения, так же мы рассмотрели существующие разработки и составили технические задание для нашей системы.

Во второй главе мы выбирали метод проектирования нашей системы и средства её разработки, после чего на основании математической модели системы и технического задания спроектировали функциональную структуру системы, её основные классы и интерфейсы.

В третьей главе был описан период «бета тестирования», в котором была поставлена конкретная задача, проанализирована предметная область и необходимая входная статистическая информация, после чего был выполнен эксперимент и анализ его результатов. При тестовом использовании в ООО «Зодчий» был достигнут практический результат: обученная нейронная сеть смогла заменить функции одного из работников, занимающегося оценкой квартир.

В четвёртой главе описана экономическая часть диплома, в которой была рассчитана экономическую эффективность и актуальность разработанного проекта.

Каждый этап работ сопровождался использованием соответствующих инструментальных средств компании Borland. Все работы по проектированию велись с использованием новой версии визуального языка моделирования UML 2.0.

В планах выпуск новой версии программы в виде динамической библиотеки, которая бы позволила повысить интегрируемость системы.

Список использованной литературы

1. Delphi 7 в подлиннике. А. Хомоненко. СПб: BHV, 2003 - 1216 стр.

2. Delphi. Советы программистов (2-е издание): В.Озеров. - СПб: Символ-Плюс, 2002. - 976 стр.

3. Borland Delphi 6. Руководство разработчика: С.Тейксейра, К.Пачеко. - М: Вильямс, 2002. - 1120 стр.

4. Принципы проектирования и разработки программного обеспечения. Учебный курс MCSD: Скотт Ф. Уилсон, Брюс Мэйплс, Тим Лэндгрейв. - М: Русская редакция, 2002. - 736стр.

5. Проектирование экономических информационных систем: Учебник/Г.Н.Смирнова, А.А.Сорокин, Ю.Ф.Тельнов. - М: Финансы и статистика, 2003. - 512стр.

6. Вендров А.М. Проектирование программного обеспечения экономических информационных систем. М.: «Финансы и статистика»,2002.

7. Самоучитель UML. Эффективный инструмент моделирования информационных систем: А. Леоненков. - СПб: BHV, 2001. - 304стр.

8. Delphi 7 на примерах/Под ред. Ю. С. Ковтанюка -- К.: Издательство Юниор, 2003. -- 384 с., ил.

9. Нестандартные приемы программирования на Delphi. -- СПб.: БХВ-Петербург, 2005. -- 560 с : ил.

10. Учебное пособие к курсу "Нейронные сети" для студентов 5 курса магистратуры к. электроники физического ф-та Воронежского Государственного университета, 1999. - 76стр.

11. Джеффри Е. Хинтон. Как обучаются нейронные сети.// В мире науки - 1992 - N 11 - N 12 - c. 103-107.

12. Картавцев В. В. Нейронная сеть предсказывает курс доллара? // Компьютеры + программы - 1993 - N 6(7) - с. 10-13.

13. Трикоз Д. В. Нейронные сети: как это делается? // Компьютеры + программы - 1993 - N 4(5) с. 14-20.

14. Барский А.Б. Нейронные сети: распознавание, управление, принятие решений. - издательство "Финансы и статистика" - 2004 г. - 176 стр.

15. Сайт о нейронных сетях. WWW: http://neuroschool.narod.ru

16. Введение в теорию нейронных сетей. WWW: http://www.orc.ru/~stasson/neurox.html

17. Borland AML Portal. WWW: http://www.almportal.ru

18. Компания Borland. WWW: http://www.borland.com

19. Русскоязычный сайт компании Borland. WWW: http://www.borland.ru

20. Сайт компании Statsoft. WWW: http://statsoft.ru

21. Сайт компании Base Group Labs. WWW: http://basegroup.ru

22. Сайт компании НейроПроект. WWW: http://www.neuroproject.ru

Приложение 1

Приложение 2

Сводная информация о сделках за 5 лет

N п/п

Материал

Возраст квартиры

Этаж

Наличие лифта

Эксп-ое сост-е (жилая\ не жилая)

Расстояние до центра

Состояние квартиры

Наличие балкона

Год купли\ продажи

Площадь

Кол-во комнат

Цена

1

2

10

0

1

0

1

2

0

2001

42

2

470000

2

2

25

1

0

0

2

2

1

2002

63

3

714000

3

2

2

1

1

0

1

1

0

2005

42

2

1011000

4

1

13

1

1

0

2

2

0

2003

41

2

751000

5

1

19

1

1

0

0

2

1

2004

64

3

1077000

6

1

20

1

1

0

2

1

0

2004

42

2

924000

7

2

3

0

2

1

1

0

0

2002

83

4

760000

8

2

4

1

1

0

1

1

0

2005

45

2

1008000

9

1

2

1

1

0

0

1

1

2006

22

1

850000

10

1

11

0

0

0

2

2

0

2005

40

2

1059000

11

2

6

1

1

0

1

2

0

2004

23

1

641000

12

2

20

1

1

0

2

2

1

2004

22

1

691000

13

1

2

1

2

1

2

0

0

2004

80

4

1127000

14

1

0

1

1

1

1

0

1

2002

100

5

818000

15

2

13

1

1

0

1

2

1

2004

23

1

660000

16

1

4

1

1

0

0

1

1

2002

42

2

612000

17

2

16

0

0

0

2

2

1

2003

23

1

576000

18

2

15

1

1

0

0

2

1

2003

63

3

871000

19

2

21

1

1

0

1

3

1

2006

42

2

1178000

20

2

15

1

0

0

1

2

0

2004

62

3

1071000

21

0

43

1

0

0

2

2

1

2006

40

2

1282000

22

1

9

1

1

0

0

1

0

2006

23

1

872000

23

1

7

1

1

0

1

1

1

2006

42

2

1168000

24

1

13

0

1

0

2

2

0

2002

41

2

623000

25

2

0

1

0

1

1

0

0

2005

82

4

1395000

26

2

16

1

1

0

1

3

1

2005

40

2

1023000

27

2

7

1

1

0

2

1

1

2004

45

2

838000

28

2

15

0

1

0

0

3

1

2003

20

1

583000

29

1

25

0

1

0

0

3

0

2002

22

1

508000

30

1

21

0

0

0

2

3

0

2002

43

2

641000

31

1

3

1

1

0

1

3

0

2002

24

1

427000

32

2

21

1

1

0

1

1

0

2005

21

1

800000

33

1

18

1

1

0

2

2

0

2001

21

1

390000

34

1

20

0

0

0

0

1

1

2004

21

1

699000

35

1

15

1

1

0

1

1

0

2004

62

3

1095000

36

2

7

1

1

0

2

1

1

2005

25

1

728000

37

1

17

0

1

0

0

2

1

2002

60

3

759000

38

1

2

1

2

1

2

0

1

2004

102

5

1165000

39

2

19

1

1

0

1

2

0

2002

23

1

486000

40

2

16

1

1

0

1

3

1

2002

42

2

590000

41

2

8

1

1

0

1

1

0

2006

43

2

1168000

42

1

18

1

1

0

1

1

0

2001

45

2

498000

43

2

17

1

1

0

1

3

0

2001

41

2

470000

44

1

24

1

0

0

1

2

1

2005

44

2

1071000

45

1

21

1

1

0

2

2

0

2003

44

2

768000

46

2

23

0

1

0

0

3

0

2002

42

2

650000

47

1

5

0

1

0

1

2

0

2006

63

3

1414000

48

1

20

0

1

0

0

1

0

2003

44

2

813000

49

2

12

1

1

0

1

1

1

2004

44

2

878000

50

2

8

1

1

0

1

2

1

2002

43

2

567000

51

2

2

1

1

0

1

2

1

2004

63

3

968000

52

1

1

1

2

1

1

0

0

2004

83

4

1154000

53

1

15

0

1

0

2

3

0

2006

42

2

1178000

54

1

10

1

1

0

1

1

0

2002

44

2

622000

55

1

19

1

1

0

1

3

1

2004

62

3

1040000

56

2

17

1

1

0

2

2

0

2004

43

2

886000

57

2

6

1

1

0

0

2

1

2006

45

2

1136000

58

1

0

1

1

1

1

0

1

2006

80

4

1560000

59

1

10

1

1

0

2

3

1

2002

41

2

568000

60

0

56

0

0

0

0

3

1

2002

60

3

858000

61

1

14

0

0

0

0

1

1

2002

40

2

668000

62

1

20

1

1

0

0

2

1

2004

40

2

930000

63

2

12

1

1

0

1

3

0

2003

42

2

729000

64

2

17

1

1

0

1

1

0

2001

23

1

382000

65

2

1

1

1

0

2

2

1

2005

43

2

942000

66

1

0

1

1

1

0

0

0

2003

24

1

552000

67

1

20

1

1

0

1

2

0

2004

41

2

927000

68

2

5

1

2

0

1

1

1

2003

24

1

524000

69

2

1

1

1

0

1

3

0

2002

42

2

543000

70

1

23

1

1

0

2

2

0

2003

45

2

772000

71

1

9

1

1

0

1

2

0

2003

22

1

561000

72

2

15

0

1

0

0

2

1

2006

43

2

1189000

73

2

16

0

1

0

1

2

0

2002

64

3

722000

74

1

10

0

1

0

1

2

0

2006

44

2

1188000

75

1

23

1

1

0

2

1

1

2004

62

3

1076000

76

1

11

1

1

0

0

3

0

2002

23

1

464000

77

2

22

1

1

0

0

2

0

2005

41

2

1074000

78

2

20

1

0

0

1

2

1

2004

44

2

906000

79

1

30

0

0

0

2

2

1

2002

62

3

770000

80

1

12

0

1

0

1

2

0

2003

24

1

570000

81

1

5

1

1

0

0

1

1

2005

44

2

1034000

82

1

1

1

1

1

2

0

1

2002

85

4

706000

83

1

20

1

1

0

1

2

0

2004

44

2

918000

84

2

2

1

1

0

1

2

1

2001

42

2

406000

85

2

11

1

1

0

2

2

1

2003

62

3

810000

86

2

6

0

1

0

2

2

0

2002

24

1

437000

87

1

8

0

1

0

2

1

1

2003

43

2

744000

88

1

4

0

2

0

0

2

0

2003

41

2

756000

89

2

23

1

1

0

2

2

0

2005

43

2

1051000

90

2

21

1

1

0

2

2

1

2004

64

3

1019000

91

1

16

1

1

0

1

3

1

2003

44

2

737000

92

1

14

1

1

0

2

1

0

2003

42

2

765000

93

1

13

1

1

0

1

2

1

2004

62

3

1041000

94

2

10

0

1

0

1

3

1

2003

24

1

544000

95

1

3

0

2

1

1

0

1

2002

81

4

766000

96

1

3

0

1

0

1

2

0

2001

42

2

468000

97

1

8

1

1

0

0

2

0

2002

45

2

615000

98

2

19

1

1

0

0

2

1

2003

44

2

761000

99

2

0

1

1

1

0

0

0

2003

64

3

879000

100

2

18

1

0

0

1

2

0

2003

43

2

774000

101

1

5

1

1

0

1

1

0

2002

63

3

721000

102

1

19

1

1

0

0

2

1

2004

64

3

1077000

103

1

23

1

1

0

0

3

1

2001

40

2

506000

104

1

24

1

0

0

2

2

1

2003

41

2

789000

Приложение 3

План по реализации Программного Обеспечения

Таблица 1

Показатели

Период

2 п.г. 2005

1 п.г. 2006

2 п.г. 2006

1 п.г. 2007

2 п.г. 2007

1 п.г. 2008

2 п.г. 2008

1 п.г. 2009

Сегмент 1 - финансовые организации

 

 

 

 

 

 

 

 

Объем тиражирования

0

40

113

75

68

57

27

22

Цена, руб.

0

2800

2400

2400

2400

2200

2200

2000

Выручка от реализации, руб.

0

112000

271200

180000

163200

125400

59400

44000

Доходы от сопровождения, руб.

0

20000

56500

37500

34000

28500

13500

11000

Сегмент 2 - медицинские организации

 

 

 

 

 

 

 

 

Объем тиражирования

0

5

12

16

11

10

5

3

Цена, руб.

0

2800

2400

2400

2400

2200

2200

2000

Выручка от реализации, руб.

0

14000

28800

38400

26400

22000

11000

6000

Доходы от сопровождения, руб.

0

2500

6000

8000

5500

5000

2500

1500

Оценка финансовой состоятельности проекта

Таблица 2

Показатели

Период

2 полугодие 2004

1 полугодие 2005

2 полугодие 2005

1 полугодие 2006

2 полугодие 2006

1 полугодие 2007

2 полугодие 2007

1 полугодие 2008

1. Инвестиционная деятельность

 

 

 

 

 

 

 

 

техническое задание

6980,74

0

0

0

0

0

0

0

эскизный проект

17769,16

0

0

0

0

0

0

0

технический проект

34269,10

0

0

0

0

0

0

0

рабочий проект

36807,55

30461,42

0

0

0

0

0

0

внедрение

0

3807,68

0

0

0

0

0

0

Итого: эффект от инвестиционной деятельности

95826,56

34269,10

0

0

0

0

0

0

2. Операционная деятельность

 

 

 

 

 

 

 

 

Выручка, всего

0

141120

336000

244608

212352

165088

78848

56000

Затраты, всего

0,00

24260,50

39160,25

31339,54

24676,42

19945,22

9642,58

6551,48

Прибыль валовая

0,00

116859,5

296839,75

213268,5

187675,6

145142,78

69205,42

49448,52

Налог на прибыль

0,00

28046,28

71241,54

51184,43

45042,14

34834,27

16609,30

11867,65

Прибыль чистая

0,00

88813,22

225598,21

162084,0

142633,4

110308,51

52596,12

37580,88

Итого: эффект от операционной деятельности

0,00

88813,22

225598,21

162084,0

142633,4

110308,51

52596,12

37580,88

3. Финансовая деятельность

 

 

 

 

 

 

 

 

Собственные средства

95827,00

0

0

0

0

0

0

0

Кредит

0

0

0

0

0

0

0

0

Возврат кредита

0

0

0

0

0

0

0

0

Итого: эффект от финансовой деятельности

95827,00

0

0

0

0

0

0

0

4. Сальдо денежной наличности (1+2+3)

0

54544,12

225598,21

162084,0

142633,4

110308,51

52596,12

37580,88

5. Сальдо денежной наличности нарастающим итогом

0

54544,55

280142,76

442226,8

584860,2

695168,74

747764,9

785345,7

Страница:


Подобные документы

  • Метод обучения нейронных сетей (правило обратного распространения ошибки)

    Обучение простейшей и многослойной искусственной нейронной сети. Метод обучения перцептрона по принципу градиентного спуска по поверхности ошибки. Реализация в программном продукте NeuroPro 0.25. Использование алгоритма обратного распространения ошибки.

    курсовая работа [1019,5 K], добавлен 05.05.2015

  • Алгоритм обратного распространения ошибки

    Обучение нейронных сетей как мощного метода моделирования, позволяющего воспроизводить сложные зависимости. Реализация алгоритма обратного распространения ошибки на примере аппроксимации функции. Анализ алгоритма обратного распространения ошибки.

    реферат [654,2 K], добавлен 09.06.2014

  • Разработка программы моделирования нейронной сети

    Общие сведения о принципах построения нейронных сетей. Искусственные нейронные системы. Математическая модель нейрона. Классификация нейронных сетей. Правила обучения Хэбба, Розенблатта и Видроу-Хоффа. Алгоритм обратного распространения ошибки.

    дипломная работа [814,6 K], добавлен 29.09.2014

  • Распознавание слов естественного языка с использованием нейросетей

    Анализ нейронных сетей и выбор их разновидностей. Модель многослойного персептрона с обучением по методу обратного распространения ошибки. Проектирование библиотеки классов для реализации нейросети и тестовой программы, описание тестирующей программы.

    курсовая работа [515,4 K], добавлен 19.06.2010

  • Разработка и исследование искусственной нейронной сети для управления динамическим объектом с переменными параметрами

    Математическая модель нейронной сети. Однослойный и многослойный персептрон, рекуррентные сети. Обучение нейронных сетей с учителем и без него. Алгоритм обратного распространения ошибки. Подготовка данных, схема системы сети с динамическим объектом.

    дипломная работа [2,6 M], добавлен 23.09.2013

  • Разработка автоматизированной системы классификации товаров по изображениям

    Программное обеспечение для получения исходных данных для обучения нейронных сетей и классификации товаров с их помощью. Алгоритм метода обратного распространения ошибки. Методика классификации товаров: составление алгоритма, программная реализация.

    дипломная работа [2,2 M], добавлен 07.06.2012

  • Обзор и анализ нейросетей

    Разработка систем автоматического управления. Свойства нейронных сетей. Сравнительные оценки традиционных ЭВМ и нейрокомпьютеров. Формальная модель искусственного нейрона. Обучение нейроконтроллера при помощи алгоритма обратного распространения ошибки.

    реферат [1,4 M], добавлен 05.12.2010

  • Программное обеспечение, использующие в качестве вычислительного механизма для прогнозирования - нейронные сети

    Прогнозирование на фондовом рынке с помощью нейронных сетей. Описание типа нейронной сети. Определение входных данных и их обработка. Архитектура нейронной сети. Точность результата. Моделирование торговли. Нейронная сеть прямого распространения сигнала.

    дипломная работа [2,7 M], добавлен 18.02.2017

  • Исследование и разработка нейронной сети для настройки коэффициентов ПИД-регулятора

    Модель и задачи искусственного нейрона. Проектирование двуслойной нейронной сети прямого распространения с обратным распространением ошибки, способной подбирать коэффициенты ПИД-регулятора, для управления движения робота. Комплект “LEGO Mindstorms NXT.

    отчет по практике [797,8 K], добавлен 13.04.2015

  • Исследование алгоритмов обучения нейронных сетей "с учителем"

    Диагностический анализ изучения алгоритмов обучения нейронных сетей "с учителем". Сбор входных и выходных переменных для наблюдений и понятие пре/пост процессирования. Подготовка и обобщение многослойного персептрона, модель обратного распространения.

    курсовая работа [249,3 K], добавлен 22.06.2011

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.

© 2000 — 2023, ООО «Олбест» Все права защищены