Обзор информационных систем, реализующих нейросетевые технологии

Автор: Гарифуллина Д.Н.

Журнал: Научный форум. Сибирь @forumsibir

Рубрика: Природопользование

Статья в выпуске: 1 т.1, 2015 года.

Бесплатный доступ

Короткий адрес: https://sciup.org/140220177

IDR: 140220177

Текст статьи Обзор информационных систем, реализующих нейросетевые технологии

В настоящее время основой использования технологии нейроинформатики в приложениях стало моделирование нейронных сетей на персональных компьютерах. На данный момент существует несколько десят-

ков коммерческих и свободно распространяемых программных нейроимитаторов.

Нейропакеты общего назначения являются наиболее распространенными. В нашей стране разработаны такие программы моделирования ИНС универсального назначения, как NeuroPro красноярской группы «Нейрокомп», NeuroShell, Neural Bench [1], NeuroOffice [4]. Из зарубежных наиболее известны продукт STATISTICA NeuralNetworks фирмы StatSoft Inc [2, 3] и свободно распространяемый имитатор SNNS Штутгардского университета [2]. В основном, это законченные независимые программные продукты, предназначенные для широкого класса задач, обычно используются для предсказаний и статистической обработки данных.

Большинство нейропакетов имеет дружественный интерфейс пользователя, не требующий знакомства с языками программирования. Стандартный набор возможностей, предоставляемых нейроимитаторами общего назначения, включает в себя методы предобработки и преобразования входных данных, одну или несколько парадигм нейросетевых моделей с возможностью выбора структуры нейросети, несколько алгоритмов обучения, простые средства анализа данных и результатов работы, представление результатов работы в популярных форматах хранения данных. Кроме этого, многие нейроимитаторы обладают дополнительными возможностями, например, NeuroPro позволяет получать логически прозрачные сети, Neural Bench позволяет генерировать отторгаемый исходный код на языке программирования C++ для обученной нейросети. В качестве дополнительной информации о нейросетевой модели некоторые системы, например NeuroPro, STATISTICA Neural Networks, предлагают анализ значимости компонент вектора входных сигналов. Необходимо отметить, что такие пакеты нацелены на решение информационных задач в диалоговом режиме непосредственного участия пользователя. Они не обладают рядом возможностей для функционирования в составе сложных информационных систем обработки данных, состоящих из многих нейросетевых блоков, адаптивно настраивающихся на вновь поступающие данные [4].

Инструменты для разработки нейросетевых приложений являются более сложными программными продуктами, предоставляющими разработчику разнообразные средства создания нейросетевых решателей. Главными отличительными чертами этого вида программных продуктов является расширяемость, возможность создавать отторгаемые нейросетевые решатели, которые могут быть использованы в составе любых систем обработки информации, возможность создавать комплексные нейросетевые системы для решения различных прикладных задач. В качестве примера можно привести пакет для построения моделей ИНС в среде MATLAB [3]. Применение этих пакетов, как правило, требует навыков программирования и более глубокого знания методов нейроинформатики [4].

Таким образом, линейка программных нейроимитаторов для решения прикладных задач симуляции и прогнозирования процессов нефтедобычи должна выбираться экспериментальным методом. Выбранный для использования ИНС программный продукт должен обладать следующими свойствами:

  • -    надежное функционирование в составе ин

формационной системы (ИС) или системы управления;

  • -   встраивание нейросетевых модулей в ИС или

  • системы управления;
  • -   автоматизированная обработка данных с ми

нимальным участием пользователя;

  • -    интерфейсная часть нейросетевого модуля должна быть рассчитана на пользователя, не имеющего специальную подготовку;

  • -    автоматизация построения, обучения и подбора архитектуры нейронной сети;

  • -    автоматизация извлечения знаний из баз данных, отчётов, хранилищ нефтепромысловой информации;

  • -   периодическое «до обучение» нейросетевой

модели и корректировка архитектуры сети;

  • -    генерация результатов в форматах, пригодных для обобщения и анализа стандартными средствами, использующимися в нефтепромысловой геологии.

Проведенный анализ существующих нейроимитаторов показал, что из вышеперечисленных программных комплексов наиболее удовлетворяет потребностям численных экспериментов комплекс от компании STATISTICA Neural Network.

Это универсальный, коммерческий продукты, обладает широкими возможностями, и позволяют эффективно создавать, обучать и оптимизировать нейронные сети. Негативным фактором для пользователей является высокая стоимость лицензии коммерческого использования.

Список литературы Обзор информационных систем, реализующих нейросетевые технологии

  • Официальный сайт «Neural Bench» (Нейроверстак). http://www.neuralbench.ru/(01.09.2013).
  • Stuttgart Neural Network Simulator. University of Tuebingen. Germany. http://www.ra.informatik.uni-tuebingen.de//SNNS (01.09.2013).
  • Официальный сайт компании The Math Works, Inc.//MATLAB Neural Network Toolbox.-http://www.mathworks.com/products/neuralnet.ru (01.09.2013).
  • Официальный сайт компании Альфа-Систем. http://www.user.cityline.ru/-alphasys (01.09.2013).
Статья