Разработка и исследование системы распознавания мультимедийных приложений на базе нейронных сетей

Графики 3.1 и 3.2 показывают, что обобщенный градиентный алгоритм очень чувствителен к значению шага. Так при величине шага 0.2 алгоритм не сходится. После первых семидесяти шагов обучения, функция ошибки перестает уменьшаться, хотя сеть еще не приобрела способность правильно распознавать хотя бы один образ из обучающей выборки. График показывает, что на нескольких итерациях обучения функция ошибки резко возрастала. При шаге 0.1 процесс обучения стабильно сходится к локальному минимуму функции ошибки. Оказавшись в этом локальном минимуме, сеть приобретает способность распознавать все образы из обучающей выборки.

Рис. 3.1. Функция ошибки обобщенного градиентного алгоритма (шаг 0.2)



Рис. 3.2. Функция ошибки обобщенного градиентного алгоритма (шаг 0.1)

Графики 3.3 и 3.4 демонстрируют работу градиентного алгоритма с автоматическим определением длины шага (автономного градиентного алгоритма). На графиках видны характерные пилообразные участки с уменьшающейся высотой пиков. Эти участки соответствуют процессу подстройки длины шага алгоритма обучения под характеристики адаптивного рельефа.

Рис. 3.3. Функция ошибки автономного градиентного алгоритма (начальное значение шага 0.1, запоминание через 10 итераций, изменение шага на 10%)

Рис. 3.4. Функция ошибки автономного градиентного алгоритма (начальное значение шага 0.2, запоминание через 10 итераций, изменение шага на 10%)

Хотя автономный градиентный алгоритм дает возможность подбирать значение шага под адаптивный рельеф в локальной области, скорость сходимости зависит от параметров алгоритма. Так при обучении двухслойной сети распознаванию изображений букв наибольшая скорость сходимости достигается при начальном значении шага 0.1, запоминание производится через 10 шагов, изменение шага 10%.

Следующая пара графики 3.5 и 3.6 показывает функцию ошибки алгоритма поиска в случайном направлении. По сравнению с другими алгоритмами обучения, этот алгоритм обладает наименьшей скоростью сходимости. Для того, чтобы сделать шаг по адаптивному рельефу в соответствии с алгоритмом поиска в случайном направлении, уменьшающий функцию ошибки, необходимо совершить множество пробных шагов. Скорость сходимости зависит от величины шага. В экспериментах наибольшая скорость сходимости достигалась при шаге 0.1.

Рис. 3.5. Функция ошибки алгоритма поиска в случайном направлении (шаг 0.1)

Рис. 3.6. Функция ошибки алгоритма поиска в случайном направлении (шаг 1.0)

Из всех исследованных алгоритмов обучения градиентные алгоритмы с одномерной оптимизацией сходятся к локальному минимуму за наименьшее число шагов. Однако на каждом шаге выполняется большой объем вычислений. Графики функций ошибки представлены на рисунках 3.7 и 3.8. Использование методики автоматического определения длины шага, аналогичной автономному градиентному алгоритму.

Рис. 3.7. Функция ошибки градиентного алгоритма с одномерной оптимизацией (шаг 0.01)

Рис. 3.8. Функция ошибки градиентного алгоритма с одномерной оптимизацией и автоматическим определением длины шага (начальное значение шага 0.01, запоминание через 5 итераций, изменение шага на 10%)

Градиентный алгоритм продемонстрировал наилучший результат, его количество шагов, за которое он обучается, более чем в два раза быстрее, чем у других алгоритмов. Но стоит так же учитывать, тот факт, что для реализации данного алгоритма нужна мощная вычислительная сила.

Таблица 3.1

Сравнение алгоритмов обучения

N п/п	Название алгоритма обучения	Один шаг, сек	Количество шагов решения контрольной задачи	Объем вычислений
1	Обобщенный градиентный алгоритм	2,02	715	2,08
2	Градиентный алгоритм с автоматическим определением длины шага (автономный градиентный алгоритм)	2,03	342	1,00
3	Алгоритм поиска в случайном направлении	1,64	52700	124,48
4	Градиентный алгоритм с одномерной оптимизацией	6,85	206	2,03
5	Градиентный алгоритм с одномерной оптимизацией и автоматическим определением длины шага	5,34	290	2,23
6	Алгоритм имитации отжига	1,64	32576	76,95

В таблице 3.1 представлены характеристики описанных алгоритмов:

· количество шагов, которое потребовалось для решения контрольной задачи - обучения нейронной сети распознаванию 26 букв латинского алфавита - (входной сигнал сети 8x8 пикселей, 64 нейрона в первом слое, 26 нейронов во втором слое),

· коэффициент, характеризующий объем вычислений при решении контрольной задачи.

Таблица 3.1 показывает, что наиболее эффективным является автономный градиентный алгоритм.

Стохастические методы не могут быть использованы для обучения нейронных сетей большой размерности. Даже метод поиска в случайном направлении, который требует для обучения меньше шагов, чем другие стохастические методы, сходился медленно.

Градиентный алгоритм с одномерной оптимизацией потребовал для обучения сети меньше итераций, чем обобщенный и градиентный алгоритмы. Однако большой объем вычислений на каждой итерации привел к тому, что этот алгоритм имеет меньшую эффективность по сравнению с алгоритмами, которые не используют одномерную оптимизацию. Дальнейшее повышение размерности оптимизации градиентных алгоритмов (использование, например, алгоритмов с двумерной оптимизацией) не представляется эффективным.

3.3 Оптимизация нейронной сети под задачи распознавания

В процессе выбора оптимальной модели для решение задачи распознавание учитывается большое количество параметров влияющие на реализацию поставленной задачи. Но так же у всех этих принципов есть общая база построения [16], [17].

Выбор модели обучения. Данный вопрос мы может решить рассмотрев несколько поведений сети в 100000 мс отрезок времени при последовательной нагрузке сети трафиком.

Рис. 3.9. Моделирование работы сети переда данных с помощью программы Neyroemulyator.

После процесса моделирования работы сети передачи данных мы видим, что нейронные сети состоящие из трех слоев помогают быстрому классификации трафика в сети. А сети без нейронного управление будут медленно реализовывать пропускную способность сети и после переполнения буфера будут отбрасываться уже нужная информация.

Так же для нашей задачи мы имеем самую оптимальную реализацию при нейронной сети на основе модели Хэмминга, все это связанно с индивидуальными особенности данного алгоритм. Но и схожесть модели Хэмминга с моделью Хопфилда дает существенное преимущество для нейронной сети на основе модели Хопфилда.

Передаточная функция. Многослойный персептрон, обучаемый по алгоритму модели Хэмминга, может в принципе обучаться быстрее, если применить более подходящую ему активационную функцию. Чаще всего, данная модель реализованная на основе жесткой пороговой активационной функции. Но модель Хэмминга предусматривает и использование других активационных функций.

Рис. 3.10. Моделирование работы сети переда данных с помощью программы Neyroemulyator.

Из данного моделирования мы видим, что для работы модели Хэмминга в процессе обучения и далее в процессе реализации данной модели в сети передачи данных лучше использовать сигмоидальную активационную функцию. Данная функция предназначена не только для управления сетями передачи данных, но и будущему прогнозированию работы на сети.

После исследований по оптимизации управление приложениями в работе реально сети было выявлено, что самым оптимальным будет являться нейронная сеть на основе модели Хэмминга с сигмоидальной активационной функцией.

Выводы

В данной главе было смоделирована работа сети передачи данных и выявлены самые оптимальные параметры, для дальней реализации данных исследований в сетях передачи данных. Была выбрана самая оптимальная модель для решения вопроса управления в сетях передачи данных, ей является нейронная сеть на основе модели Хэмминга состоящая из трех слоев и пяти нейронов в каждом слое. Так же к данной модели были применены различные активационные функции, и так же была выбранная самая оптимальная передаточная функция, которая является сигмоидальная активационная функция.

4. Безопасность жизнедеятельности и экология

4.1 Почва, ее загрязнение и последствия. Методы защиты

4.1.1 Эрозия почв

Эрозия почв -- разрушение и снос верхних наиболее плодородных горизонтов и подстилающих пород ветром (ветровая эрозия) или потоками воды (водная эрозия). Земли, подвергшиеся разрушению в процессе эрозии, называют эродированными.

К эрозионным процессам относят также промышленную эрозию (разрушение сельскохозяйственных земель при строительстве и разработке карьеров), военную эрозию (воронки, траншеи), пастбищную эрозию (при интенсивной пастьбе скота), ирригационную (разрушение почв при прокладке каналов и нарушении норм поливов).

Эрозия оказывает существенное негативное влияние на состояние почвенного покрова, а во многих случаях разрушает его полностью. Падает биологическая продуктивность растений, снижаются урожаи и качество зерновых культур, хлопка, чая и др.

Ветровая эрозия почв. Под ветровой эрозией понимают выдувание, перенос и отложение мельчайших почвенных частиц ветром.

Интенсивность ветровой эрозии зависит от скорости ветра, устойчивости почвы, наличия растительного покрова, особенностей рельефа и от других факторов. Огромное влияние на ее развитие оказывают антропогенные факторы. Например, уничтожение растительности, нерегулируемый выпас скота, неправильное применение агротехнических мер резко активизируют эрозионные процессы.

Различают местную ветровую эрозию и пыльные бури. Первая проявляется в виде поземок и столбов пыли при небольших скоростях ветра.

В настоящее время крупнейший источник пыли -- Арал. На космических снимках видны шлейфы пыли, которые тянутся в стороны от Арала на многие сотни километров. Общая масса переносимой ветром пыли в районе Арала достигает 90 миллионов тонн в год.

Водная эрозия почв. Под водной эрозией понимают разрушение почв под действием временных водных потоков. Различают следующие формы водной эрозии: плоскостную, струйчатую, овражную, береговую. Как и в случае ветровой эрозии, условия для проявления водной эрозии создают природные факторы, а основной причиной ее развития является производственная и иная деятельность человека. В частности, появление новой тяжелой почвообрабатывающей техники, разрушающей структуру почвы, -- одна из причин активизации водной эрозии в последние десятилетия. Другие негативные антропогенные факторы: уничтожение растительности и лесов, чрезмерный выпас скота, отвальная обработка почв.

Среди различных форм проявления водной эрозии значительный вред окружающей природной среде и в первую очередь почвам приносит овражная эрозия. Экологический ущерб от оврагов огромен. Овраги уничтожают ценные сельскохозяйственные земли, способствуют интенсивному смыву почвенного покрова, заиливают малые реки и водохранилища, создают густорасчлененный рельеф.

4.1.2 Загрязнение почв

Поверхностные слои почв легко загрязняются. Большие концентрации в почве различных химических соединений -- токсикантов пагубно влияют на жизнедеятельность почвенных организмов. При этом теряется способность почвы к самоочищению от болезнетворных и других нежелательных микроорганизмов, что чревато тяжелыми последствиями для человека, растительного и животного мира. Например, в сильно загрязненных почвах возбудители тифа и паратифа могут сохраняться до полутора лет, тогда как в незагрязненных -- лишь в течение двух-трех суток.

Основные загрязнители почвы:

· пестициды (ядохимикаты);

· минеральные удобрения;

· отходы и отбросы производства;

· газо-дымовые выбросы загрязняющих веществ в атмосферу;

· нефть и нефтепродукты.

В настоящее время влияние пестицидов на здоровье населения многие ученые приравнивают к воздействию на человека радиоактивных веществ. Достоверно установлено, что при применении пестицидов, наряду с некоторым увеличением урожайности, отмечается рост видового состава вредителей, ухудшаются пищевые качества и сохранность продукции, утрачивается естественное плодородие.

По мнению ученых, подавляющая часть применяемых пестицидов попадает в окружающую среду (воду, воздух), минуя виды-мишени. Пестициды вызывают глубокие изменения всей экосистемы, действуя на все живые организмы, в то время как человек использует их для уничтожения весьма ограниченного числа видов организмов. В результате наблюдается интоксикация огромного числа других биологических видов (полезных насекомых, птиц) вплоть до их исчезновения. К тому же человек старается использовать значительно больше пестицидов, чем это необходимо, и еще более усугубляет проблему.

Таким образом, можно с уверенностью констатировать, что общий экологический вред от использования загрязняющих почву пестицидов многократно превышает пользу от их применения. Воздействие пестицидов оказывается весьма негативным не только для человека, но и для всей фауны и флоры. Растительный покров оказался очень чувствительным к действию пестицидов, причем не только в зонах его применения, но и в местах, достаточно удаленных от них, из-за переноса загрязняющих веществ ветром или поверхностным стоком воды.

Пестициды способны проникать в растения из загрязненной почвы через корневую систему, накапливаться в биомассе и впоследствии заражать пищевую цепь. При распылении пестицидов наблюдается значительная интоксикация птиц (орнитофауны). Особенно страдают популяции певчих и перелетных дроздов, жаворонков и других воробьиных.

Работами отечественных и зарубежных исследователей неопровержимо доказано, что загрязнение почв пестицидами вызывает не только интоксикацию человека и большого числа видов животных, но и ведет к существенному нарушению воспроизводящих функций и, как следствие, к тяжелым демоэкологическим последствиям. С длительным применением пестицидов связывают также развитие резистентных (устойчивых) рас вредителей и появление новых вредных организмов, естественные враги которых были уничтожены. Почвы загрязняются минеральными удобрениями, если их используют в неумеренных количествах, теряют при производстве, транспортировке и хранении. Из азотных, суперфосфатных и других типов удобрений в почву в больших количествах мигрируют нитраты, сульфаты, хлориды и другие соединения. Это приводит к нарушению биогеохимического круговорота азота, фосфора и некоторых других элементов. Экологические последствия этого нарушения в наибольшей степени проявляются в водной среде, в частности при формировании эвтрофии, которая возникает при смыве с почв избыточного количества азота, фосфора и других элементов. В последнее время выявлен еще один неблагоприятный аспект неумеренного потребления минеральных удобрений и в первую очередь нитратов. Оказалось, что большое количество нитратов снижает содержание кислорода в почве, а это способствует повышенному выделению в атмосферу двух "парниковых" газов -- закиси азота и метана. Нитраты опасны и для человека. К интенсивному загрязнению почв приводят отходы и отбросы производства. В нашей стране ежегодно образуется свыше миллиарда тонн промышленных отходов, из них более 50 миллион тонн особо токсичных. Огромные площади земель заняты свалками, которые интенсивно загрязняют почвы, а их способность к самоочищению, как известно, ограничена. Огромный вред для нормального функционирования почв представляют газо-дымовые выбросы промышленных предприятий.

4.1.3 Способы защиты почв от загрязнения

Основными способами защиты от загрязнения почв являются защита их от водной и ветровой эрозии; организация севооборотов и системы обработки с целью повышения их плодородия. Мелиоративные мероприятия, направленные на борьбу с заболачиванием, засолением почв; рекультивация нарушенного почвенного покрова. Защита почв от загрязнения, а полезной флоры и фауны -- от уничтожения; предотвращение необоснованного изъятия земель из сельскохозяйственного оборота.

Борьба с эрозией почв проводится на основе комплекса мер, включающего землеустроительные, связанные с распределением угодий по степени их устойчивости к эрозионным процессам. Агротехнические -- почвозащитные севообороты, контурная система выращивания сельскохозяйственных культур, при которой задерживается водный сток, химические средства борьбы. Лесомелиоративные -- полезащитные и водорегулирующие лесные полосы, лесные насаждения в оврагах и балках. Гидротехнические каскадные пруды. При этом следует учитывать, что гидротехнические мероприятия останавливают развитие эрозии на определенном участке сразу же после их реализации, агротехнические -- через несколько лет, а лесомелиоративные -- через 10-20 лет после их внедрения. Для почв, подверженных сильной эрозии, необходим весь комплекс противоэрозионных мер, включающий полосное земледелие -- такую организацию сельскохозяйственной территории. При которой прямолинейные контуры полей чередуются с полезащитными лесными полосами, почвозащитные севообороты для защиты почв от дефляции, облесение оврагов.

Для борьбы с заболачиванием почв применяют различные осушительные меры с целью понижения уровня грунтовых вод с помощью закрытого дренажа, открытых каналов или водозаборных сооружений, строительства дамб, спрямления русел рек для защиты от затопления, перехвата и сброса атмосферных склоновых вод. Однако чрезмерное осушение больших площадей может вызвать нежелательные изменения в экосистемах засушкой почв.

Для предупреждения вторичного засоления почв необходимо устраивать дренаж, регулировать подачу воды, применять полив дождеванием, использовать капельное и прикорневое орошение, выполнять работы по гидроизоляции оросительных каналов.

Для предотвращения загрязнения почв пестицидами и другими вредными веществами используют экологические методы защиты растений, повышают природную способность почв к самоочищению, не применяют особо опасные и стойкие инсектицидные препараты.

Изъятие пахотных земель для капитального строительства и других целей может происходить лишь в исключительных случаях. Для сохранения продуктивности земель необходимо расширять использование для строительства условно непригодных для сельского хозяйства земель, прокладывать коммуникации под землей, повышать этажность застройки городов и населенных пунктов.

При проведении строительных и иных работ, связанных с механическим нарушением почвенного покрова, предусматривается снятие, сохранение и нанесение плодородного почвенного слоя на нарушенные земли. Плодородный слой вывозится и складируется в специальных временных отвалах буртах. Нанесение почвенного плодородного слоя на нарушенные земли производится не позднее одного года с момента окончания подготовительных работ по формированию рельефа.

4.2 Освещение производственных помещений. Пути повышения эффективности труда

4.2.1 Общие сведения об освещении и его характеристики

Основная информация об окружающем нас мире (до 90%) поступает через зрительный анализатор (чувствительный аппарат), состоящий из глаз, зрительных нервов, зрительного центра, расположенного в затылочной доле коры головного мозга. Прием и анализ информации происходит в световом диапазоне 380-760 нм длин электромагнитных волн.

Для зрительного анализатора многообразие окружающего мира представлено различными предметами, объектами, характеризующимися размером, светлотой, контрастом объекта с фоном и удаленностью от глаз. Поэтому налицо зависимость между освещенностью объекта, характером зрительной работы (размер объекта различения, контраст объекта различения с фоном, характеристика фона) и функциональным состоянием зрительного анализатора.

Выполнение зрительной работы при недостаточной освещенности рабочего места может привести к развитию некоторых дефектов глаз: близорукость ложная и истинная; дальнозоркость истинная и старческая.

4.2.2 Характеристики освещения

Световой поток - мощность световой энергии, оцениваемой по световому ощущению, которое испытывает глаз. Единица измерения светового потока - люмен (лм). Величина светового потока является не только физической, но и физиологической.

Освещенность - поверхностная плотность светового потока; единица освещенности - люкс (лк). Это освещенность одного квадратного метра поверхности при падении на него светового потока в один люмен.

Сила света - пространственная плотность светового потока в пределах телесного угла, стерадиан. Единица силы света - кандела (кд).

Яркость - поверхностная плотность силы света в данном направлении, которая определяется из отношения силы света излучаемой поверхности в этом направлении к проекции светящейся поверхности на плоскость, перпендикулярную данному направлению. Единица яркости - кандела на квадратный метр (кд/м²).

Коэффициент отражения р характеризует способность поверхности отражать падающий на нее световой поток. Если р < 0,2 - фон считается темным; если 0,2 < р < 0,4 - средним; при р > 0,4 - светлым.

Контраст объекта с фоном К определяется из соотношения яркостей рассматриваемого объекта и фона. Контраст объекта с фоном считается малым, если К < 0,2, средним - при 0,2 < К < 0,5 и большим при К > 0,5.

Видимость - способность глаза человека различать предмет. Зависит от освещенности, размера объекта, его яркости, контраста объекта с фоном, подвижности, расстояния до объекта. Оценивается видимость числом пороговых контрастов, содержащихся в действительном контрасте.

Блескостъ - это свойство световых приборов или светящих поверхностей при неблагоприятном соотношении между их яркостью, силой света и яркостью окружающего пространства нарушать условия комфортного зрения, или ухудшать контрастную чувствительность, или оказывать одновременно оба этих действия. Если участки повышенной яркости излучают свет, они обладают прямой блескостью, если они создаются отражением излучающих свет элементов от других поверхностей поля зрения, они обладают отраженной блескостью.

Показатель ослепленности - это критерий оценки слепящего действия источника света.

Коэффициент пульсации освещенности - критерий оценки изменения освещенности поверхности вследствие периодического изменения во времени светового потока источника света. Необходимость в показателе "коэффициент пульсации" вызвана широким применением газоразрядных ламп. При питании их переменным током наблюдается пульсация во времени величины светового потока этих источников с частотой, вдвое большей частоты тока в сети.

4.2.3 Основные требования к освещению

Основной задачей рациональной организации освещения является поддержание освещенности, соответствующей характеру зрительной работы. Увеличение освещенности улучшает видимость объектов за счет повышения их яркости, увеличивает скорость различения деталей.

При организации освещения необходимо обеспечить равномерное распределение яркости. Перевод взгляда с ярко освещенной на слабо освещенную поверхность вынуждает глаз переадаптироваться, что ведет к утомлению зрения. Для повышения равномерности естественного освещения применяется комбинированное освещение. Светлая окраска потолка и стен способствует равномерному распределению яркостей в поле зрения.

Освещение должно обеспечивать отсутствие в поле зрения резких теней. Наличие резких теней искажает размеры и формы объектов и, тем самым, повышает утомляемость. Особенно вредны движущиеся тени, которые могут привести к травмам. Тени необходимо смягчать, применяя, например, светильники со светорассеивающими стеклами, при естественном освещении необходимо использовать солнцезащитные устройства.

Для улучшения видимости объектов должна отсутствовать прямая и отраженная блесткость. Блесткость - это повышенная яркость светящихся поверхностей, вызывающая нарушение зрительных функций, то есть ухудшение видимости объектов. Блескость ограничивают уменьшением яркости источников света, правильным выбором защитного угла светильника, увеличением высоты подвеса светильников, правильным направлением светового потока. Там, где это возможно, блестящие поверхности следует заменить матовыми.

Колебания освещенности на рабочем месте, вызванные, например, резким изменением напряжения в сети, обусловливают переадаптацию глаза, приводя к значительному утомлению. Постоянство освещенности во времени достигается стабилизацией питающего напряжения, жестким креплением светильников, применением специальных схем включения газоразрядных ламп.

При организации освещения следует выбирать необходимый спектральный состав светового потока. Это требование особенно существенно для обеспечения правильной цветопередачи, а в отдельных случаях для усиления цветовых контрастов. Оптимальный спектральный состав обеспечивает естественное освещение.

4.3 Эффективность трудовой деятельности человека

Эффективность трудовой деятельности человека в значительной степени зависит от предмета и орудий труда, работоспособности организма, организации рабочего места, гигиенических факторов производственной среды.

Работоспособность - величина функциональных возможностей организма человека, характеризующаяся количеством и качеством работы, выполняемой за определенное время. Во время трудовой деятельности работоспособность организма изменяется во времени. Различают три основные фазы сменяющих друг друга состояний человека в процессе трудовой деятельности:

- фаза врабатывания, или нарастающей работоспособности; в этот период уровень работоспособности постепенно повышается по сравнению с исходным; в зависимости от характера труда и индивидуальных особенностей человека этот период длится от нескольких минут до 1,5 ч, а при умственном творческом труде - до 2-2,5 ч;

-фаза высокой устойчивости работоспособности; для нее характерно сочетание высоких трудовых показателей с относительной стабильностью или даже некоторым снижением напряженности физиологических функций; продолжительность этой фазы может составлять 2-2,5 ч и более в зависимости от тяжести и напряженности труда;

-фаза снижения работоспособности, характеризующаяся уменьшением функциональных возможностей основных работающих органов человека и сопровождающаяся чувством усталости.

Одним из наиболее важных элементов повышения эффективности трудовой деятельности человека является совершенствование умений и навыков в результате трудового обучения.

С точки зрения психофизиологической производственное обучение представляет собой процесс приспособления и соответствующего изменения физиологических функций организма человека для наиболее эффективного выполнения конкретной работы. В результате тренировки (обучения) возрастает мышечная сила и выносливость, повышается точность и скорость рабочих движений, быстрее восстанавливаются физиологические функции после окончания работы.

Правильное расположение и компоновка рабочего места, обеспечение удобной позы и свободы трудовых движений, использование оборудования, отвечающего требованиям эргономики и инженерной психологии, обеспечивают наиболее эффективный трудовой процесс, уменьшают утомляемость и предотвращают опасность возникновения профессиональных заболеваний.

Для лучшего различения органов управления они должны быть разными по форме и размеру, окрашиваться в разные цвета либо иметь маркировку или соответствующие надписи. При группировке нескольких рычагов в одном месте необходимо, чтобы их рукоятки имели различную форму. Это позволяет оператору различать их на ощупь и переключать рычаги, не отрывая глаз от работы.

Периодическое чередование работы и отдыха способствует сохранению высокой устойчивости работоспособности. Различают две формы чередования периодов труда и отдыха на производстве: введение обеденного перерыва в середине рабочего дня и кратковременных регламентированных перерывов. Оптимальную длительность обеденного перерыва устанавливают с учетом удаленности от рабочих мест санитарно-бытовых помещений, столовых, организации раздачи пищи. Продолжительность и число кратковременных перерывов определяют на основе наблюдений за динамикой работоспособности, учета тяжести и напряженности труда.

При выполнении работы, требующей значительных усилий и участия крупных мышц, рекомендуются более редкие, но продолжительные 10-12-минутные перерывы. При выполнении особо тяжелых работ (металлурги, кузнецы и др.) следует сочетать работу в течение 15-20 минут с отдыхом такой продолжительности. При работах, требующих большого нервного напряжения и внимания, быстрых и точных движений рук, целесообразны более частые, но короткие 5-10-минутные перерывы.

Высокая работоспособность и жизнедеятельность организма поддерживается рациональным чередованием периодов работы, отдыха и сна человека. В течение суток организм по-разному реагирует на физическую и нервно-психическую нагрузку. В соответствии с суточным циклом организма наивысшая работоспособность отмечается в утренние (с 8 до 12 часов) и дневные (с 14 до 17 часов) часы. В дневное время наименьшая работоспособность, как правило, отмечается в период между 12 и 14 часами, а в ночное время-с 3 до 4 часов, достигая своего минимума. С учетом этих закономерностей определяют сменность работы предприятий, начало и окончание работы в сменах, перерывы на отдых и сон.

Для снятия нервно-психологического напряжения, борьбы с утомлением, восстановления работоспособности в последнее время успешно используют кабинеты релаксации или комнаты психологической нагрузки. Они представляют собой специально оборудованные помещения, в которых в отведенное для этого время в течение смены проводят сеансы для снятия усталости и нервно-психического напряжения.

Выводы

В данной главе рассмотрены основные положения безопасности жизнедеятельности и современной экологии. Было детально рассмотрено загрязнение почвы и процессы ее защиты на сегодняшний день. Было рассмотрено освещение производственных помещений и их влияние на повышение эффективности труда.

Заключение

В выпускной квалификационной работе исследованы системы распознавания мультимедийных приложений на базе нейронных сетей и также разработана оптимизированная система для решения задач классификации.

Рассмотрены основные положения DPI, возможности применения DPI в сетях передачи данных для реализации задач, по оптимизации нагрузки, по управлению абонентами. Изучено применения DPI для анализа сетевого трафика и предсказания временного трафика. Рассмотрено применение DPI в качестве аппарата классификации мультимедийного трафика.

Проведен анализ механизмов создания, обучения и реализации моделей нейронных сетей, для их последующий интеграции в сети передачи данных. Детально рассмотрена реализация нейронных сетей. Изучены виды передаточных функций, для дальнейшей активации ими нейронных сетей. Проанализированы самые эффективные модели нейронных сетей, такие как модель Хопфилда и модель Хэмминга.

Смоделирована работа сети передачи данных и выявлены самые оптимальные параметры, для дальней реализации данных исследований в сетях передачи данных. Была создана самая оптимальная модель для решения вопроса управления в сетях передачи данных.

Таким образом, интеграция нейронных сетей, полученных путем проведенных исследований, в сети передачи данных создаст условия, для наиболее полной и эффективной классификации мультимедийного трафика.

Список литературы

телекоммуникация нейронный сеть мультимедийный

1. Закон Республики Узбекистан №560-II "Об информатизации" от 11.12.2003.

2. Постановление Президента Республики Узбекистан №ПП-1730 "О мерах по дальнейшему внедрению и развитию современных информационно-коммуникационных технологий" от 21.03.2012.

3. Каримов И.А. 2014 год станет годом поднятия на новый уровень развития нашей родины / Доклад Президента Республики Узбекистан Ислама Каримова на заседании Кабинета Министров, посвященном основным итогам 2013 года и приоритетам социально-экономического развития на 2014 год. - Ташкент, 19.01.2014.

4. Круг П.Г. "Нейронные сети и нейрокомпьютеры" Москва Издательство МЭИ 2002 г.

5. Sankar K. Pal, Sushmita Mitra, Multilayer Perceptron, Fuzzy Sets, and Classification // IEEE Transactions on Neural Networks, Vol. 3, №5,1992, pp. 683-696.

6. Ф. Уоссермен, Нейрокомпьютерная техника, М., Мир, 1992.

7. Bernard Widrow, Michael A. Lehr, 30 Years of Adaptive NeuralNetworks: Perceptron, Madaline, and Backpropagation //Artificial Neural Networks: Concepts and Theory, IEEE Computer Society Press, 1992, pp. 327-354.

8. Paul J. Werbos, Backpropagation Through Time: What It Does and How to Do It // Artificial Neural Networks: Concepts and Theory, IEEE Computer Society Press, 1992, pp. 309-319.

9. Harris Drucker, Yann Le Cun, Improving Generalization Performance Using Backpropagation // IEEE Transactions on Neural Networks, Vol. 3, №5, 1992, pp. 991-997.

10. Alain Petrowski, Gerard Dreyfus, Claude Girault, Performance Analysis of a Pipelined Backpropagation Parallel Algorithm // IEEE Transactions on Neural Networks, Vol.4, №6, 1993, pp. 970-981.

11. Дорогов А.Ю., Алексеев А.А. Структурные модели быстрых нейронных сетей. В сб. "Интеллектуальные системы" / Труды II-го Международного симпозиума, под ред. К.А. Пупкова, т. 2 - М.: Из-во ПАИМС. 2009, с. 138-143.

12. Дорогов А.Ю., Алексеев А.А. Математические модели быстрых нейронных сетей. В сб. научн. тр. СПбГЭТУ "Системы управления и обработки информации". Вып.490, 1996, с. 79-84.

13. Тоффоли Т., Марголус Н. Машины клеточных автоматов. М.: Мир, 1991.

14. Астафьев Г.Б., Короновский А.А., Храмов А.Е. Клеточные автоматы. Саратов: Колледж. 2003.

http://cas.ssu.runnet.ru/sgnp/data/papers/Train/CellAutomat.pdf

15. Наумов Л.А. Разработка среды и библиотеки CAME&L для решения задач с использованием клеточных автоматов. СПбГУИТМО, 2003. http://is.ifmo.ru/papers/camel/

16. http://inter-vuz.tuit.uz/Elib_baza//INTUIT.ru/ (INTUIT)

17. http://www.ict.edu.ru/ (Портал "Информационно-коммуникационные технологии в образовании")

18. http://habrahabr.ru/ (электронный журнал "Хабрахабр")

19. http://www.basegroup.ru/ (BaseGroup Labs)

20. http://library.tuit.uz/ (Электронная библиотека ТУИТ)

Размещено на Allbest.ru