Образец оформления выпускной квалификационной работы: искусственные нейронные сети

Дата: 2025-06-02; Просмотры: 17

Оценка:

0.00 из 5.00 — оценок

Скачиваний: 0

Скачать

СОДЕРЖАНИЕ

ВВЕДЕНИЕ………………………………………………………………..........……5

1 ОСНОВЫ ТЕОРИИ НЕЙРОННЫХ СЕТЕЙ……………...........………………...7

1.1 История возникновения и развития……………………………………...7

1.2 Основные положения теории нейронных сетей……………………….10

1.2.1 Основные понятия и свойства нейронных сетей........................10

1.2.2 Основные операции над нейронными сетями…………………18

2 ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ НЕЙРОННЫХ СЕТЕЙ………...........…...24

2.1 Применение нейронных сетей в задачах управления и контроля……24

2.2 Применение нейронных сетей в различных сферах деятельности…...27

2.3 Примеры практического применения аппарата нейронных сетей…...29

3 НЕЙРОСЕТЕВЫЕ ТЕХНОЛОГИИ В ЭНЕРГЕТИКЕ……………….....…..37

3.1 Применение нейронных сетей для решения задач энергетики……….37

3.2 Программное обеспечение для реализации нейронных сетей………..44

4 ПРИМЕНЕНИЕ НЕЙРОННЫХ СЕТЕЙ ПРИ ПРОГНОЗИРОВАНИИ В ЭНЕРГЕТИКЕ………………………………………………………………………49

4.1 Разработка нейронных сетей для прогнозирования нагрузки………..49

4.2 Реализация нейронных сетей в среде Matlab…………………………..50

5 ЭКОНОМИКА……………………………………………………………............67

5.1 Розничный рынок электрической энергии и мощности………………67

5.2 Ценообразование на розничном рынке электрической энергии……...70

5.3 Изменение тарифов на электроэнергию в Новосибирской области….73

6 ОХРАНА ТРУДА……………………………………..........…………………….76

6.1 Анализ рабочего места человека – оператора…………………………76

6.2 Требования к организации рабочего места человека – оператора…...80

ЗАКЛЮЧЕНИЕ………………………………………..........……………………...83

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ…………………..........…...86

ПРИЛОЖЕНИЯ..................................................................................................87

ВВЕДЕНИЕ

Искусственные нейронные сети (далее: нейронные сети) и нейроны – это математические модели биологических нейронных сетей и нейронов (клеток, из которых состоит нервная система человека)[1]. Искусственный нейрон – базовый фундаментальный блок нейронной сети, который выполняет вычислительные и коммуникационные функции.

Сведения о нейронных сетях и их способности разрешать тяжелые проблемы появились в значительной степени из-за связности, которую предоставляют нейроны, что дает большие вычислительные способности, обусловленные их параллельно распространяемой структурой. Интерес к нейронным сетям во многом связан с тем, что их алгоритмы и архитектуры могут быть применены в задачах реального времени. Число различных программных обеспечений и приложений сильно возросло за последние годы, поскольку имеются как теоретические, так и практические успехи использования нейронных сетей в разнообразных дисциплинах [2].

Целью создания ИНС является воспроизведение интеллектуальных методов оценок данных подобно их биологическому аналогу – человеческому мозгу, используя простые, распространенные и ясные единицы обработки. К методам оценок относят: распознавание образов, классификацию и обобщение.

Искусственные нейронные сети в данное время довольно актуальны, поскольку имеют возможность решать достаточно сложные задачи, например:

- в экономике и бизнесе: прогнозирование стоимости акций на фондовом рынке;

- в энергетике: прогнозирование электрической нагрузки, управление электротехническим оборудованием;

- в робототехнике: в качестве искусственного интеллекта роботов;

- в медицине: постановка диагноза, анализ эффективности решения;

- в авионике: обучаемые автопилоты;

- в охранных системах: распознавание лиц и многие другие задачи.

Целью данной выпускной квалификационной работы бакалавра является изучение основных понятий и положений искусственных нейронных сетей, их практического применения в различных сферах (в особенности в энергетике), а также моделирование искусственной нейронной сети для прогнозирования потерь активной мощности.

В работе решаются следующие задачи:

- анализ применения искусственных нейронных сетей в энергетике и в других сферах деятельности;

- практическая реализация искусственной нейронной сети в среде Mathlab.

В первой главе данной работы излагаются основы теории нейронных сетей, ее основные положения и история развития нейронных сетей. Во второй главе работы рассматривается практическое применение нейронных сетей в разнообразных сферах деятельности. В третьей главе работы анализируется применение нейронных сетей в энергетике. В четвертой главе работы рассматривается применение нейронных сетей для прогнозирования в энергетике, а также моделируется нейронная сеть для прогнозирования значения потерь активной мощности.

1 ОСНОВЫ ТЕОРИИ НЕЙРОННЫХ СЕТЕЙ

1.1 История возникновения и развития

Термин «нейронная сеть» появился в середине XX века. Первые работы, в которых были получены основные результаты в данном направлении, были проделаны Мак-Каллоком У.С. (W.S. MacCulloch) и Питтсом В. (W.H. Pitts). В 1943 году ими была разработана компьютерная модель нейронной сети на основе математических алгоритмов и теории деятельности головного мозга. Они выдвинули предположение, что нейроны можно упрощённо рассматривать как устройства, оперирующие двоичными числами, и назвали эту модель «пороговой логикой». Подобно своему биологическому прототипу нейроны Мак-Каллока–Питтса были способны обучаться путём подстройки параметров, описывающих синаптическую проводимость. Исследователи предложили конструкцию сети из электронных нейронов и показали, что подобная сеть может выполнять практически любые вообразимые числовые или логические операции. Мак-Каллок и Питтс предположили, что такая сеть в состоянии также обучаться, распознавать образы, обобщать, т. е. обладает всеми чертами интеллекта.

1.2 Основные положения теории нейронных сетей

1.2.1 Основные понятия и свойства нейронных сетей

Искусственная нейронная сеть (ИНС) – сеть, состоящая из искусственных нейронов. ИНС – предмет исследования нейроинформатики и одна из веток изучения и моделирования искусственного интеллекта.

Искусственные нейронные сети и нейроны – это математические модели биологических нейронных сетей и нейронов (клеток, из которых состоит нервная система человека) [1].

Основу каждой НС составляют относительно простые, в большинстве случаев – однотипные, элементы (ячейки), имитирующие работу нейронов мозга. Далее под нейроном будет подразумеваться искусственный нейрон, то есть ячейка ИНС. Каждый нейрон характеризуется своим текущим состоянием по аналогии с нервными клетками головного мозга, которые могут быть возбуждены или заторможены. Он обладает группой синапсов – однонаправленных входных связей, соединенных с выходами других нейронов, а также имеет аксон – выходную связь данного нейрона, с которой сигнал (возбуждения или торможения) поступает на синапсы следующих нейронов. Каждый синапс характеризуется величиной синаптической связи или ее весом wi, который по физическому смыслу эквивалентен электрической проводимости. Общий вид искусственного нейрона представлен на рисунке 1.1.

Рисунок 1.1 – Общий вид нейрона

Текущее состояние нейрона определяется, как взвешенная сумма его входов:

где s – текущее состояние нейрона; x_i – входы нейрона, i=1…n; w_i – вес каждого из входов нейрона, j=1…n.

1.2.2 Основные операции над нейронными сетями

Классификация нейронных сетей приведена ниже (рис. 1.2).

Рисунок 1.2 – Классификация нейронных сетей

2 ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ НЕЙРОННЫХ СЕТЕЙ

2.1 Применение нейронных сетей в задачах управления и контроля

НС начинают играть все более важную и заметную роль при создании систем автоматического управления (САУ) сложными техническими объектами и контроля за ними. К таким объектам относятся современные летательные аппараты, силовые и энергетические установки, многозвенные роботы-манипуляторы и др.

Для них характерны отсутствие точных математических моделей либо их чрезмерная сложность, высокая размерность пространства состояний и принимаемых решений по управлению, иерархичность, многообразие критериев качества, высокий уровень шумов и внешних возмущений.

Известный специалист в области теории управления профессор Йельского университета (США) К. С. Нарендра предлагает условно разделить трудности, возникающие при построении САУ данными объектами, на три основные категории :

1) вычислительные сложности;

2) наличие нелинейностей;

3) неопределенность.

Трехслойный персептрон хорошо исследован и описан в научной литературе. Каждый элемент сети строит взвешенную сумму своих входов с поправкой в виде слагаемого и затем пропускает эту величину активации через передаточную функцию, получая, таким образом, выходное значение этого элемента. Элементы организованы в послойную топологию с прямой передачей сигнала. Такую сеть легко можно интерпретировать как модель вход-выход, в которой веса и пороговые значения (смещения) являются свободными параметрами модели. Сеть может моделировать функцию практически любой степени сложности, причем число слоев и числа элементов в них является важным вопросом в конструировании многослойных нейронных сетей (табл. 2.1). Количество входных и выходные элементов определяется условиями задачи.

Таблица 2.1

Конфигурация сети

ЗАКЛЮЧЕНИЕ

В данной выпускной квалификационной работе бакалавра были изучены основы теории искусственных нейронных сетей, а именно: история их создания и развития, где рассматривалось совершенствование нейронных сетей с момента создания и до сегодняшнего дня; основные положения, в которых анализировались основные понятия и определения нейронных сетей, их преимущества по сравнению с другими математическими аппаратами и их недостатки, с которыми может столкнуться пользователь; также в этом разделе были изучены основные операции, производимые с нейронными сетями, классификация нейронных сетей, особенности их обучения, правила представления информации в нейронных сетях и функции их активации.

Далее рассматривалось практическое применение нейронных сетей, где было изучено их применение в задачах управления и контроля, а именно участие в создании систем автоматического управления сложными техническими объектами и контроля за ними. Затем было рассмотрено применение нейронных сетей в различных сферах деятельности, которыми являются медицина, робототехника, Авионика, интернет, экономика и бизнес, связь, автоматизация производства, политологические и социологические технологии и многие другие. Также были продемонстрированы примеры практического применения нейронных сетей в робототехнике, где они использовались для распознавания образов и звуков, в экономике и бизнесе, где с помощью нейронных сетей предсказывалась финансовая несостоятельность предприятий.

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

1. Нейронная сеть, созданная в секретной лаборатории Google X, полюбила кошек [Электронный ресурс]. – Режим доступа: http://hitech.newsru.com/article/27Jun2012/gglxbrains (дата обращения: 12.04.2020)

2. Новосибирскэнергосбыт [Электронный источник]/Официальный сайт – Режим доступа: http://www.nskes.ru (дата обращения: 12.04.2020)

3. ГОСТ 12.2.033-78 «ССБТ. Рабочее место при выполнении работ стоя. Общие эргономические требования»

4. СП 31-110-2003. Свод правил по проектированию и строительству "Проектирование и монтаж электроустановок жилых и общественных зданий" (одобрен постановлением Госстроя РФ от 26 октября 2003 г. N 194).

5. Меновщиков Ю.А. Нетрадиционные и возобновляемые источники энергии: учебное пособие/ Ю.А. Меновщиков, Л.В. Куликова// Новосиб. гос. аграр. ун-т. – Новосибирск, 2007. –356 с.

6. Удалов С.Н. Методика расчета теплового баланса экодома с учетом рекуперации вентиляционного воздуха / С.Н. Удалов, И.В. Крючкин // Научный вестник НГТУ. – 2012. – №4(49). – С. 151 – 153.

Приложение А

Таблица А1

Значение мощностей ДЭС для суточного графика нагрузки, число работающих ДЭС, процент загрузки ДЭС, а также значение мощностей заряда/разряда АКБ, часы