автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Анализ и синтез нейросетевых систем обработки информации на основе модифицированных сетей Петри

Выполнен анализ и проведены оценки известных методов тестирования ИНС - исчерпывающего и случайного. В качестве надежностного показателя нейросисгемы рассмотрен коэффициент готовности. Формально определена зависимость коэффициента готовности нейросистемы от числа тестовых наборов Тпр и полноты контроля Пк как функция Кг=/(тпр,Пк). Поскольку рассмотренные методы тестирования либо являются слишком затратными по времени в условиях оперативного тестирования, либо при сокращении числа контролируемых параметров не позволяют обеспечить требуемую полноту тестирования, то особое внимание уделено построению минимального теста.

Полноту тестирования характеризуют классы задаваемых дефектов, имитируемых посредством моделей дефектов. Выявлено, что определение классов дефектов ИНС и построение на их основе минимального теста контроля работоспособности, позволит снизить время простоя и повысить коэффициент готовности нейросистемы.

В результате рассмотрения проблематики и современного состояния исследований функциональной надежности ИНС была поставлена научная задача по разработке методики экспериментального исследования отказоустойчивости ИНС посредством математических моделей дефектов нейроэлементов, построения диагностической модели ИНС и методов синтеза минимальных тестов контроля работоспособности ИНС.

Во второй главе рассмотрены особенности моделирования дефектов ИНС, проведен анализ влияния дефектов на выходные параметры нейросетевых систем.

Показано, что критичными неисправностями, оказывающими наибольшее влияние на отдельные нейроны и выходной результат ИНС в процессе её функционирования, являются дефекты нейрокомпонент, приводящие к искажению сигналов на выходах искусственных нейронов.

Проведено исследование влияния на работоспособность ИНС дефектов матриц весовых коэффициентов и выходов нейронов, в основе которых лежат катастрофические дефекты, сводящиеся к типу константных неисправностей нейрона типа const = 0, const = 1 на выходе, а также вновь введенного вида неисправностей, предполагающего наличие промежуточных постоянных значений сигналов на выходе нейрона в интервале

Разработан программный комплекс для проведения экспериментов по определению степени влияния дефектов выходов нейронов на работоспособность ИНС. При исследованиях рассматривались программные модели двухслойных ИНС прямого

А — конечное непустое множество дуг такое, что Ас(РхТ)и(ТхР);

М - функция маркировки, определенная на Р так, что для р е Р М(р): р г, где 2-множество целых чисел;

ц - функция, определяющая динамические свойства маркеров в позициях модели ИНС реР, р(р): р (К,м(р)). К -

множество атрибутов, описывающее нейросетевые процессы, моделируемые сетью Петри.

х - функция времени срабатывания, определяющая время выполнения операций в переходах (&Т.

ОС - функция вычисления, определяющая диагностические параметры и параметры, необходимые для выполнения нейросе-тевых операций (умножения, сложения, активации) в переходах /еГ.

Общий вид модели многослойной модели ИНС прямого распространения представлен на рисунке 2.

I I

Рисунок 2 — Общая структура МГРЫ-модели многослойной

В основе формального описания процесса функционирования модели лежит матричное представление сетей Петри^ которое состоит в определении двух матриц инцидентности Б и ПГ, включающих входные и выходные значения компонент нейросе-ти. Каждая матрица имеет т строк (по одной на переход) и п

столбцов (по одному на позицию). Элемент матрицы D+ задает значение соответствующей компоненты нейросети, поступающее из позиции в переход, т.е. входное значение перехода. Элемент матрицы D задает значение соответствующей компоненты нейросети, поступающее из перехода в позицию, т.е. выходное значение перехода.

В работе приведены анализ динамического поведения и оценка предложенной модели построением временного графа достижимости и посредством матричного представления ИНС и сетей Петри. Показаны особенности и преимущества применения данной модели.

На основе MZTW-модели ИНС в работе построена диагностическая модель нейронной сети - DMTPN, в основу диагностического параметра которой положен предложенный во второй главе работы двухуровневый показатель качества распознавания Nnp. Предложена методика программного моделирования дефектов ИНС в среде MATLAB, расширяющая стандартные возможности пакета Neural Network Toolbox. Выполнена программная реализация разработанной модели, включенная в комплекс программного обеспечения, составленного в среде MATLAB.

Произведены анализ и оценка DMTTW-модели на конкретном примере - многослойной ИНС прямого распространения, обученной решению классической задачи классификации «Ирисы Фишера» и функционирующей в условиях различных классов дефектов. Разработанная модель является адекватной нейросете-вым процессам, позволяет моделировать дефекты, определять место их проявления, выявлять на выходе нейросистемы.

В четвертой главе проведена разработка методов синтеза минимальных тестов контроля работоспособности ИНС, а также выполнено исследование влияния полученных тестов на коэффициент готовности нейросетевых систем.

В работе предложено два метода синтеза тестов контроля работоспособности.

Первый метод заключается в построении тестов контроля работоспособности, применимых к ИНС, посредством табличных методов. Синтез тестов контроля работоспособности табличными методами состоит в получении путем минимизации таблиц неисправностей такого количества входных наборов (проверок), при которых все функции неисправностей будут отличаться от функции исправной схемы. При этом в работе показано, что для данного подхода для получения элементарных проверок при диагностировании ИНС наиболее целесообразно использовать входные векторы обучающего множества, которые позволяют выявлять возможные дефекты ИНС. Совокупность

данных входных воздействий образует тривиальный тест, представляющий собой множество входных векторов Ят, имеющих ложное отображение на множестве соответствующих им выходных векторов Т. Минимизация теста контроля работоспособности происходит программным способом путем формирования таблицы неисправностей ИНС и решением задачи о её покрытии.

Применимость предложенного метода была рассмотрена на примере многослойной ИНС, обученной решению задачи «Распознавание цифр 0-9».

Второй метод синтеза тестов контроля работоспособности ИНС основан на применении численного метода генерации тестовой последовательности ИНС на основе конгруэнтных процедур. В работе показано, что в условиях отсутствия обучающей выборки построение тестов требует расчета последовательности входных воздействий, удовлетворяющих условиям равномерного распределения, стохастичности и независимости друг от друга, что достижимо посредством применения мультипликативного метода реализации конгруэнтных процедур:

хм=Лх,(той М), (6)

где - вновь формируемое число, х, - предыдущее число; X -мультипликативная константа, л > \; М= 2 - длина машинного слова для «-разрядных целых чисел (размерность входного вектора ИНС).

В основе метода лежит модификация алгоритма построения последовательности путем включения в его состав моделирования дефектов ИНС, расчета и анализа её выходных реакций для синтеза тестовых последовательностей ИНС.

Выполнена проверка качества генерируемых последовательностей по критерию независимости случайных чисел с помощью нормированной корреляционной функции:

где И[Х\ — дисперсия данной выборки случайных чисел, Я(т) -центрированная корреляционная функция, определяемая по экспериментальной формуле:

Д(г)=—!_у„и , (8)

где - случайное число из заданной выборки случайных чисел, т - разница между двумя соседними значениями случайных чисел, (7У-т) - диапазон вычисления корреляционной функции.

Полученное значение нормированной корреляционной функции для рассмотренных примеров составило 0,09889, что удовлетворяет гипотезе корреляционной независимости. Следовательно, сгенерированная тестовая последовательность удовле-

В ходе экспериментальных исследований для рассмотренных в диссертационной работе ИНС различных конфигураций были получены результаты, свидетельствующие, что синтезированные минимальные тесты контроля работоспособности, в сравнении с известными методами исчерпывающего и случайного тестирования ИНС, позволяют существенно повысить оперативность проведения тестирования работоспособности ИНС (как минимум в 9 раз) и поддержать коэффициент готовности (в общем случае до 0,999998). Соответствующие зависимости представлены на рисунке 4.

— 7.892130 77 -

9.995384615

- 1.247423077 — I" 1

Исчерпывающее тестирование

Случайное тестирование

Разработанное тестирование

Вид тестирования

(а)

1=5

II-

•е- в

Исчерпывающее Случайное Разработанное тестирование тестирование тестирование

Вид тестирования

(б)

Рисунок 4- Усредненные показатели контроля работоспособности ИНС: а) время тестирования; б) коэффициент готовности.

В заключении сформулированы основные выводы и результаты диссертационной работы.

В приложениях приведены данные экспериментальных исследований, описание комплекса программ, акты об использовании результатов диссертационной работы.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ

1) Выполненный анализ существующих методов тестирования ИНС, показал актуальность и значимость диссертационной работы, позволил наметить перспективные направления тестирования ИНС, заключающиеся в синтезе минимальных тестов контроля работоспособности ИНС.

2) Проведенное исследование возможных дефектов ИНС с точки зрения их влияния на работоспособность позволило решить задачу моделирования дефектов компонент ИНС, определяющее их влияние на работоспособность нейросети, и опреде-

лить двухуровневый показатель качества распознавания на выходе нейросети, обеспечивающий обнаружение в ней дефектов.

3) Анализ средств моделирования ИНС выявил, что существующие математические методы моделирования обладают рядом ограничений и не способны в полной мере отражать динамику работы компонентов ИНС, их свойства параллельности архитектуры и синхронности работы. Формальное описание функционирования ИНС, соответствующее реальным физическим процессам, достижимо на основе учёта их структурных особенностей и осуществимо с использованием расширенного аппарата сетей Петри.

4) Разработанная математическая модель ИНС прямого распространения на основе расширенного аппарата сетей Петри, отличающаяся двухуровневым представлением модифицированной временной сети Петри и позволяющая учесть структурные особенности нейросети и динамику функционирования её отдельных компонент, позволила построить диагностическую модель ИНС, обеспечивающую наглядное моделирование дефектов в составе ИНС и идентификацию её состояний.

5) Разработанные методы синтеза минимальных тестов контроля работоспособности ИНС, синтезируемые на основе которых тесты в сравнении с известными подходами к тестированию ИНС (исчерпывающего и случайного тестирования), показали повышение оперативности тестирования в 9 раз и достижение повышения коэффициента готовности нейросистемы (в общем случае до 0,999998).

6) Разработан комплекс программ для ЭВМ в среде программирования МАТЪАВ, предоставляющий широкие возможности для экспериментального исследования ИНС: моделирование различных классов дефектов и оценку их влияния на работоспособность, отображение динамической составляющей ИНС, построение минимальных тестов контроля работоспособности ИНС.

7) Компьютерное моделирование разработанных диагностических моделей и алгоритмов синтеза тестов контроля работоспособности ИНС, реализующих нейросетевые системы обработки информации, показало эффективность разработанной диагностической модели, построенной на базе модифицированных сетей Петри, чувствительность двухуровневого показателя качества функционирования к дефектам, повышение коэффициента готовности нейросетевых систем.

Подписано в печать 14.11.2013 г. Формат 60x84/16. Заказ № 72а Тираж 100 экз. П. л. - 1.0

Издательский центр ДГТУ Адрес университета и полиграфического предприятия 344000, г. Ростов-на-Дону, пл. Гагарина, 1.

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РФ ФБГОУ ВПО «ДОНСКОЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ

УНИВЕРСИТЕТ»

На правах рукописи 04201453656 ОЖ/-

МАРШАКОВ ДАНИИЛ ВИТАЛЬЕВИЧ

АНАЛИЗ И СИНТЕЗ НЕЙРОСЕТЕВЫХ СИСТЕМ ОБРАБОТКИ ИНФОРМАЦИИ НА ОСНОВЕ МОДИФИЦИРОВАННЫХ СЕТЕЙ

ПЕТРИ

Диссертация

на соискание ученой степени кандидата технических наук

Специальность 05.13.01 — «Системный анализ, управление и обработка информации (вычислительная техника и информатика)»

Научный руководитель:

доктор технических наук, профессор Фатхи Владимир Ахатович

Ростов-на-Дону — 2013

СОДЕРЖАНИЕ

Введение 5 ГЛАВА 1. ИСКУССТВЕННЫЕ НЕЙРОННЫЕ СЕТИ КАК ОБЪЕКТЫ

ДИАГНОСТИРОВАНИЯ 12

1.1 Искусственные нейронные сети в распознавании образов 12

1.1.1 Задачи распознавания образов, решаемые на основе 12 ИНС

1.1.2 Виды программных и аппаратных реализаций ИНС 14

1.1.3 Проблема отказоустойчивости ИНС 16

1.1.4 Модель искусственного нейрона 19

1.1.5 Архитектура ИНС 22

1.1.6 Обучение ИНС 25

1.2 Анализ методов тестирования ИНС 26

1.2.1 Классы дефектов ИНС 26

1.2.2 Подходы к тестированию ИНС 27

1.2.3 Задача построения минимальных тестов для ИНС 29

1.3 Постановка задачи 31

1.4 Выводы по главе 1 35 ГЛАВА 2. РАЗРАБОТКА И АНАЛИЗ МОДЕЛЕЙ ДЕФЕКТОВ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ 36

2.1 Источники неисправностей ИНС 36

2.2 Анализ моделей дефектов ИНС 38

2.2.1 Степень влияния дефектов выходов нейронов на работоспособность ИНС 41

2.3 Показатель чувствительности ИНС к дефектам 44

2.3.1 Исследование чувствительности введенного показателя качества распознавания к дефектам скрытого слоя ИНС 48

2.4 Выводы по главе 2 56

ГЛАВА 3. РАЗРАБОТКА ДИАГНОСТИЧЕСКОЙ МОДЕЛИ 57 ИСКУССТВЕННОЙ НЕЙРОННОЙ СЕТИ

3.1 Возможность моделирования ИНС с помощью сетей Петри 59

3.2 Моделирование ИНС сетями Петри 60

3.2.1 Формальное определение модели 62

3.2.2 Модель искусственного нейрона на основе модифицированной сети Петри 63

3.2.3 Модель многослойной ИНС на основе модифицированной сети Петри 69

3.3 Диагностическая модель ИНС на основе модифицированной сети Петри 72

3.4 Оценка диагностической модели 77

3.5 Выводы по главе 3 84 ГЛАВА 4. МЕТОДЫ СИНТЕЗА ТЕСТОВ КОНТРОЛЯ РАБОТОСПОСОБНОСТИ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ 86

4.1 Требования к тесту контроля работоспособности 86

4.2 Синтез теста контроля работоспособности ИНС на основе 87 обучающей выборки

4.2.1 Математическая модель синтеза минимальных тестов контроля работоспособности ИНС на основе обучающей 89 выборки

4.2.2 Применимость разработанного метода синтеза тестов

на основе обучающей выборки на примере теста «Числа 0- 92 9»

4.3 Синтез теста контроля работоспособности ИНС с применением численного метода генерации тестовой последовательности ИНС на основе конгруэнтных процедур 97

4.3.1 Требования к последовательности случайных чисел как к тестовому набору ИНС 98

4.3.2 Конгруэнтные процедуры генерации последовательности случайных чисел 99

4.3.3 Численный метод генерации тестовой последовательности ИНС на основе конгруэнтных процедур 102

4.4 Синтез нейросетевой системы управления электроприводами ангулярных роботов на основе синергетического подхода 106

4.4.1 Модель электропривода 108

4.4.2 Синтез синергетического динамического регулятора 109

4.4.3 Синтез нейросетевого регулятора на основе синергетического закона управления 113

4.5 Применимость разработанного численного метода генерации тестовой последовательности ИНС на примере синтезированного нейросетевого регулятора 121

4.6 Влияние тестов контроля работоспособности на коэффициент готовности ИНС 125

4.7 Выводы по главе 4 132 Заключение 133 Список литературы 13 5 Приложения 149

Приложение А 150

Приложение Б 177

Приложение В 188

Приложение Г 201

Приложение Д 202

ВВЕДЕНИЕ

Актуальность проблемы. Развитие теории и практики искусственных нейронных сетей (ИНС) связано с количественным и качественным расширением сферы их применения. Современные ИНС, в силу своей структурной организации, и способности обучаться, обладают возможностями моделировать сложные процессы, обобщать информацию, работать с искаженными данными, осуществлять абстрагирование, что позволяет успешно применять их в задачах классификации, прогнозирования, аппроксимации и т.п., решение которых обычно сводится к конструированию областей многомерного пространства, что в общем случае характерно для типичной задачи распознавания образов.

Сфера применения нейросетевых систем постоянно расширяется в связи с растущими потребностями в высокоскоростной обработке информации, которая достигается за счет массового параллелизма в нейросетях. Это способствовало развитию нейрокомпьютерной техники, представляющей собой платы расширения стандартных вычислительных схем с архитектурой, реализующей алгоритмы, представленные в нейросетевом базисе. Аппаратно реализованные нейросетевые системы обработки информации находят применение в различных прикладных областях, в том числе в современных системах автоматического управления, для которых важным требованием является высокое качество и скорость принятия решений.

На качество функционирования данного рода систем оказывают влияние отказы нейронов, объективно возникающие при воздействии внешней среды, и влекущие за собой потерю функциональных возможностей нейронной сети. Высокая степень надежности биологических нейронных сетей уже на ранних стадиях изучения возможностей ИНС привлекла внимание исследователей. Однако, как показали дальнейшие исследования, наличие практически любого дефекта в ИНС, на данном этапе их развития, всегда влияет на качество выполняемых ими функций. Свойство деградации нейросети при выходе из строя отдельных её элементов является серьезным предметом исследований и требует особого внимания.

К приоритетным направлениям развития нейросетевых систем многие отече-

ственные и зарубежные ученые и специалисты в области нейронных сетей относят работы по функциональной отказоустойчивости, надежности ИНС и их диагностики. Значительный вклад в исследование данной проблематики внесли: P.A. Бабкин, А.И. Галушкин, И.А. Пальянов, А.И. Перегуда, В.И. Потапов, И.В. Потапов, B.S. Arad, G.R. Bolt, F.M. Dias, J.B. Dugan, S. Cavalieri, L.C. Chu, R. Eickhoff, V. Piuri, D.S. Phatak, P.W. Prötzel, B.W. Wah и многие др.

При этом, как отмечает крупный отечественный специалист в области нейро-компьютерных систем А.И. Галушкин, одной из проблем является разработка математических моделей и аппарата, необходимых для исследования функциональной надежности ИНС. При этом одна из ключевых трудностей заключается в выявлении отказовых состояний нейросети, которые зачастую зависят от решаемой задачи и в большинстве случаев могут быть определены лишь экспериментально.

В условиях широкого внедрения ИНС в различные современные системы управления, где отказоустойчивость и свойство деградации нейросетей приобретают особое значение, возникает необходимость в разработке методов повышения их надежности, которая обеспечивается, в том числе контролем работоспособности нейронной сети, что выводит тестовый контроль работоспособности в разряд перспективных методов контроля нейросистем.

В связи с этим, диссертационная работа посвящена решению актуальной научно-технической проблемы, связанной с разработкой диагностических моделей и методов контроля работоспособности ИНС.

Цель работы. Диссертационное исследование посвящено повышению надежностных характеристик нейросетевых систем обработки информации; разработке эффективных методов синтеза минимальных тестов контроля работоспособности ИНС; разработке математических и диагностических моделей ИНС; разработке программного обеспечения для численного моделирования, оценки работоспособности и расчета необходимых тестовых воздействий нейросетевых систем заданной сложности.

Направление исследований. В соответствии с поставленной целью в работе решены следующие основные задачи:

1. Разработаны и исследованы с точки зрения влияния на работоспособность ИНС модели дефектов искусственных нейронов, предложен специальный показатель качества функционирования ИНС в условиях неисправностей.

2. На базе предложенной в работе модификации сетей Петри разработаны математические модели искусственного нейрона и ИНС прямого распространения.

3. На основе предложенного показателя качества функционирования ИНС и разработанной математической модели ИНС, построена диагностическая модель ИНС.

4. Разработаны алгоритмические процедуры синтеза минимальных тестов контроля работоспособности ИНС на основе обучающей выборки и посредством генерации последовательностей случайных равномерно распределенных независимых чисел.

5. Произведен синтез нейросетевой системы управления на основе синер-гетического закона управления, на примере которой рассмотрены предложенные процедуры синтеза минимальных тестов контроля работоспособности ИНС.

6. Разработан комплекс программ для экспериментального исследования функциональных возможностей ИНС прямого распространения при наличии в них неисправностей, а также реализующих диагностическую модель и алгоритмы синтеза минимальных тестов контроля работоспособности ИНС.

Научная новизна. В работе получены и выносятся на защиту основные результаты, обладающие научной новизной:

1. Обоснованный теоретически и экспериментально для ИНС различных конфигураций двухуровневый показатель качества функционирования, отличающийся от известных возможностью контролировать активность нейронов выходного слоя при оценке качества принимаемых решений, а также обладающий достаточной степенью чувствительности к наличию

в ИНС дефектов, что позволяет его применять при решении задач контроля работоспособности ИНС.

2. Расширенная модель дефектов искусственных нейронов, отличающаяся от известных ранее константных неисправностей const = 0, const = 1 на выходах нейрокомпонент рассмотрением промежуточных постоянных значений в интервале (0,1), и представляющая собой новый класс параметрических неисправностей, позволяющий исследовать этапы постепенной деградации ИНС.

3. Математическая модель искусственного нейрона и многослойной ИНС, разработанная на основе комбинации аппарата модифицированных сетей Петри и нейросетевых технологий, которая выгодно отличается возможностью как исследовать динамические свойства ИНС посредством временного графа достижимости, так и анализировать особенности её функционирования посредством матричного исчисления.

4. Диагностическая модель ИНС прямого распространения выполненная на основе математической модели ИНС на базе модифицированных сетей Петри с включением в алгоритм вычисления предложенного двухуровневого показателя качества функционирования, позволяющая моделировать дефекты в составе параллельно функционирующих ИНС и идентифицировать их выходное состояние.

5. Методы синтеза минимальных тестов контроля работоспособности ИНС, синтезируемые на основе которых тесты в сравнении с известными подходами к тестированию нейросистем (исчерпывающим и случайным), позволяют повысить оперативность проведения контроля (для рассмотренных примеров специализированных ИНС как минимум в 9 раз), и достичь повышения коэффициента готовности нейросистемы (в общем случае до 0,999998), что подтверждено экспериментальным исследованием для ИНС различных конфигураций.

Методы исследования. В диссертационной работе применялись методы теории ИНС, теории распознавания образов, математический аппарат теории сетей

Петри, численные методы и экспериментальные исследования.

Для реализации экспериментальных исследований разработано программное обеспечение (ПО), проведено большое количество экспериментов с ИНС различных конфигураций, результаты которых использовались для получения достоверных оценок результатов исследований. Для реализации ПО применялись концепции программирования матричной лаборатории МАТЬАВ.

Практическая значимость.

1. Спроектированные универсальные процедуры анализа многослойных ИНС на основе их модели модифицированной сетью Петри, синтеза минимальных тестов контроля работоспособности ИНС были успешно применены при проектировании имитационных систем и стендов тестового контроля аппаратных нейросетевых средств и могут использоваться в диагностических комплексах современной аппаратуры.

2. Разработанный комплекс программ, реализующий предложенные в работе модели, методы и алгоритмы предоставляет широкие возможности для диагностического анализа нейросетевых систем: моделирования различных классов дефектов и оценки их влияния на работоспособность, отображения динамики функционирования ИНС, построения минимальных тестов контроля работоспособности ИНС.

Теоретическая значимость.

1. Разработанный в диссертации метод моделирования ИНС на основе проблемно модифицированных сетей Петри является теоретической платформой для диагностического анализа функционирования ИНС, изучения и анализа их структур и динамических свойств, а также может быть использован при разработке конфигурации желаемой ИНС и её последующей аппаратной реализации.

2. Предложенный двухуровневый показатель качества распознавания ИНС прямого распространения, обеспечивающий возможность анализа активности нейронов выходного слоя на этапе функционирования, проявил себя как эффективный показатель надежности распознавания ИНС и может также быть применен в качестве критерия качества обучения.

3. Введенный класс неисправностей, подразумевающий моделирование про-

межуточных постоянных значений сигналов в интервале (0,1) на выходе нейронов ИНС, как класс параметрических неисправностей ИНС может быть использован для исследования этапов постепенной деградации ИНС различных архитектур.

Достоверность получаемых в диссертации результатов подтверждается корректным использованием математических методов, данными многочисленных экспериментальных исследований, публикациями в центральной печати, и докладами на международных и региональных научно-технических конференциях.

Реализация и внедрение результатов работы. Результаты диссертационной работы внедрены на предприятии ОАО «ОКТБ "Вектор"» в процесс разработки и производства специализированных типовых функциональных устройств, а также в учебный процесс на кафедре «Вычислительные системы и информационная безопасность» ИЭиМ ДГТУ при обучении студентов специальностей 230201 «Информационные системы и технологии» и 220201 «Управление и информатика в технических системах».

Соответствие диссертации паспорту научной специальности. Основным содержанием диссертации является проблема разработки моделей, методов и средств анализа нейросетевых систем обработки информации, а также повышение надежностных характеристик данного рода систем. Таким образом, отраженные в диссертации научные положения соответствуют формуле специальности 05.13.01 «Системный анализ, управление и обработка данных», а результаты научного исследования соответствуют п. 3, п. 5 и п. 11 паспорта специальности.

Апробация основных результатов диссертационной работы. Основные результаты работы докладывались и обсуждались на международных научно-технических конференциях «Математические методы в технике и технологиях»: ММТТ-23 (г.Саратов, 2010 г.), ММТТ-24 (г.Пенза, 2011 г.), ММТТ-25 (г. Волгоград, 2012 г.); У-й международной научно-практической конференции «Состояние и перспективы развития сельскохозяйственного машиностроения», проводимой в рамках 15-й международной агропромышленной выставки «Интерагормаш-2012» (г. Ростов-на-Дону, 2012); Международном научном семинаре «Системный анализ, управление и обработка информации» (г. Ростов-на-Дону -

с. Дивноморское): 2011 г., 2012 г.; X международном научно-техническом форуме «ИнЭРТ» (г. Ростов-на-Дону, 2012 г.).

Публикации по теме диссертации. Основные результаты диссертации отражены в 12 научных трудах, в том числе 5 публикаций в рецензируемых научных журналах. В 8 работах, опубликованных в соавторстве, доля материалов, принадлежащих автору диссертации, составляет не менее 50%. Кроме того, получено свидетельство о государственной регистрации программы для ЭВМ (ФГУ ФИПС свидетельство №2011613078 от 18.04.2011).

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, заключения, библиографического списка и приложений. Объём основной части составляет 148 страниц машинописного текста, содержит 5 таблиц, 34 рисунка, список литературы из 123 наименований.

ГЛАВА 1. ИСКУССТВЕННЫЕ НЕЙРОННЫЕ СЕТИ КАК ОБЪЕКТЫ

ДИАГНОСТИРОВАНИЯ

1.1 Искусственные нейронные сети в распознавании образов

Искусственные нейронные сети (ИНС), в силу своей структурной организации, обладают возможностями моделирования нелинейных процессов, работы с за-шумленными данными, обобщения и т.д. Благодаря этим свойствам ИНС �