Середовище моделювання нейронних мереж для розв’язання задачі кластеризації

Анотація

Задача кластеризації розв’язується в багатьох прикладних галузях. Досягнути її швидкого та достатньо точного розв'язання можна за допомогою спеціальних нейронних мереж — карт самоорганізації Кохонена. Цей тип нейронних мереж постійно вдосконалюється як на рівні алгоритмів, так і на рівні програмного забезпечення. Тому доцільно створювати спеціальні програмні інструменти, що дозволяють в однакових умовах провести навчання та безпосередньо обчислювальні експерименти з розв’язання задачі кластеризації для коректного порівняльного аналізу отриманих результатів. Другим завданням такого середовища є визначення оптимального програмного інструментарію розв’язання прикладних задач технічної діагностики, наприклад, пошуку аномалій, класифікації сигналу з втратами.

У роботі обґрунтовано обрання існуючих програмних реалізацій карт самоорганізації SOM (self-organizing map) та відповідних їм багатошарових перцепронів MLP (multilayer perceptron) для розв'язання саме задачі класифікації. Всі обрані програмні реалізації є вільнодоступними та розповсюджуються з відкритою ліцензією.

Визначено параметри SOM та MLP, на які може впливати експериментатор. Обрано критерії порівняння реалізацій SOM.

Наведено архітектуру середовища моделювання і представлено функціонал його компонентів.

Для демонстрації застосування запропонованого середовища приведено розв'язання класичних тестових задач машинного навчання. Це дозволило провести коректне порівняння результатів обчислювальних експериментів, а також ефективності програмних реалізацій як за базовим, так і за оптимізованим алгоритмами.