Часть полного текста документа:МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ ИНСТИТУТ ЭЛЕКТРОНИКИ И МАТЕМАТИКИ Кафедра МОСОИиУ ПОЯСНИТЕЛЬНАЯ ЗАПИСКА К ДИПЛОМНОМУ ПРОЕКТУ На тему: _Классификация сейсмических сигналов на основе нейросетевых технологий.________________________________________________________ Студент Руководитель проекта: Допущен к защите____________________200___г. КОНСУЛЬТАНТЫ ПРОЕКТА: Специальная часть Конструкторско-технологическая часть Экономическая часть Техника безопасности Зав. кафедрой________________________ МОСКВА Аннотация. В данном дипломе рассматривается задача классификации сейсмических сигналов по типу источника, т.е. определение по записанной сейсмограмме землетрясений или взрывов. Основная цель диплома состоит в исследовании возможности применения аппарата нейронных сетей для решения поставленной задачи, и сравнение эффективности такого решения со стандартными аналитическими методами. Оглавление. Аннотация 2 Введение 5 1. Основные положения теории нейронных сетей 7 2. Постановка задачи классификации сейсмических сигналов 16 3. Статистическая методика решения задачи классификации 18 3.1 Выделение информационных признаков из сейсмограмм 18 3.2 Отбор наиболее информативных признаков для идентификации 19 3.3 Процедуры статистической идентификации 21 3.4 Оценка вероятности ошибочной классификации методом скользящего экзамена 22 4. Обзор различных архитектур нейронных сетей , предназначенных для задач классификации 23 4.1 Нейрон-классификатор 23 4.2 Многослойный персептрон 25 4.3 Сети Ворда 27 4.4 Сети Кохонена 27 4.5 Выводы по разделу 37 5. Методы предварительной обработки данных 31 5.1 Максимизация энтропии как цель предобработки 31 5.2 Нормировка данных 32 5.3 Понижение размерности входных данных 34 5.3.1 Отбор наиболее информативных признаков 34 5.3.2 Сжатие информации. Анализ главных компонент 35 5.4 Выводы .по разделу 37 6. Реализация нейросетевой модели и исследование ее технических характеристик 38 6.1 Структура нейросети 38 6.2 Исходные данные 40 6.3 Определение критерия качества системы и функционала его оптимизации 41 6.4 Выбор начальных весовых коэффициентов 41 6.5 Алгоритм обучения и методы его оптимизации 42 6.6 Формирование обучающей выборки и оценка эффективности обученной нейросетевой модели 48 7. Программная реализация 49 7.1 Функциональные возможности программы 50 7.2 Общие сведения 51 7.3 Описание входного файла с исходными данными 52 7.4 Описание файла настроек 52 7.5 Алгоритм работы программы 57 7.6 Эксплуатация программного продукта 58 7.7 Результат работы программы 58 8. Заключение 61 Список литературы 63 Приложение 64 1. Пример выборки сейсмограмм 64 2. Пример файла с векторами признаков 65 3. Файл с настройками программы 66 4. Пример файла отчета 67 5. Файл описания функций, типов переменных и используемых библиотек "nvclass.h" 68 6. Файл автоматической компиляции программы под ОС Unix -"Makefile" 73 7. Основной модуль - "nvclass.с" 74 Введение. Применение аппарата нейронных сетей для решения различных задач науки и техники обусловлено огромными потенциальными возможностями, этих технологий. Существуют задачи, решение которых просто невозможно аналитическими методами, а нейросети успешно с ними справляются. Даже в том случае, если можно найти решение при помощи уже изученных алгоритмов, нейронные сети порой позволяют сделать то же самое быстрее и более эффективно. В данном дипломе рассматривается задача, возникающая при сейсмическом мониторинге, -классификация сейсмических сигналов по типу источника, т.е. ............ |