Современные информационные технологии / 3. Программное обеспечение

Жусупова Б.Т.

Костанайский государственный университет имени А.Байтурсынова, Костанай, Казахстан

Обзор программных реализаций нейронных сетей

Несмотря на то, что нейронные сети как научно-технический объект существуют более полувека, основные способы их практической реализации ограничиваются областью программного моделирования в различных средах визуального и невизуального проектирования. Кроме того, аппаратные реализации уступают программным вследствие своей относительной дороговизны и до сих пор не имеют повсеместного распространения. Однако их удельный вес в общем количестве мировых технологических разработок неуклонно растет.

Впереди планеты всей по созданию аппаратных нейросетевых архитектур как всегда шагает Япония, где разработки на основе нейросетевых технологий успешно внедряются во множестве образцов бытовой техники, таких как фотоаппараты, микроволновки, видеокамеры и т.д. Не отстают и другие развитые страны. Нейросетевые аппаратные решения внедряют в свои продукты такие известные фирмы, как Siemens, Intel, Phillips Research (Нидерланды), 3M Laboratories и многие другие. При этом разработано на удивление много разнообразных аппаратных нейросетевых архитектур.

В настоящий момент на рынке программного обеспечения существует не так много продуктов, автоматизирующих данную область. Можно выделить следующие крупнейшие и успешные фирмы, занимающихся уже много лет нейросетевыми технологиями:

1) Американская компания StatSoft Inc., которая на сегодняшний день является одним из крупнейших в мире разработчиков статистического и аналитического программного обеспечения. Программные продукты StatSoft поддерживаются глобальной сетью филиалов и дистрибуторов в разных странах и используются в основных университетах, корпорациях и правительственных учреждениях во всем мире. Основной продукт компании - система STATISTICA, предназначенная для анализа данных, визуализации, прогнозирования и проведения многих других статистических анализов.

STATISTICA Neural Networks является богатой и мощной средой анализа нейросетевых моделей, предоставляющей следующие возможности:

- пре- и постпроцессирование, включая выбор данных, кодирование номинальных значений, шкалирование, нормализацию, удаление пропущенных данных с интерертацией для классификации, регрессию и задачи временных рядов;

- исключительной простотой в использовании и непревзойденной аналитической мощностью обладает не имеющий аналогов Мастер решений, который, проводя пользователя через все этапы создания различных нейронных сетей, выбирает наилучшую;

- мощные методы разведочных и аналитических технологий, в том числе анализ главных компонент и понижение размерности для выбора нужных входных переменных в разведочном (нейросетевом) анализе данных;

- самые современные, оптимизированные и мощные алгоритмы обучения сети, включая методы сопряженных градиентов и Левенберга-Маркара; полный контроль над всеми параметрами, влияющими на качество сети, такими как функции активации и ошибок, сложность сети;

- поддержка комбинаций нейросетей и нейросетевых архитектур практически неограниченного размера, созданных в наборах сетей - Network Sets; выборочное обучение нейросетевых сегментов; объединение и сохранение наборов сетей в отдельных файлах;

- богатые графические и статистические связи, предоставляющие интерактивные разведочные анализы;

- полная интеграция с объектами системы STATISTICA; все результаты, графики, отчеты и т.д. могут быть в дальнейшем модифицированы с помощью мощных графических и аналитических инструментов;

- полная интеграция с мощными автоматическими инструментами STATISTICA; запись полноценных макросов для любых анализов; создание собственных нейросетевых анализов и приложений с помощью STATISTICA Visual Basic, вызов STATISTICA Neural Networks из любого приложения, поддерживающего технологию СОМ [1].

2) BaseGroup Labs. занимается разработкой аналитического программного обеспечения и консультациями в области анализа данных. Фирма расположена в Рязани, основана 22 ноября 1995 года.

Neural Network Wizard - программная реализация многослойной нейронной сети обратного распространения (back propagation). Способ распространения - бесплатно для некоммерческого применения.

Развитие системы прекращено, но заложенные в ней идеи получили продолжение в аналитической платформе Deductor, имеющей следующие возможности: получение данных для обучения из текстового файла; различные способы нормирования данных; создание многослойных нейронных сетей различной конфигурации; настройка параметров обучения нейросистемы; возможность сохранить результаты обучения; автоматизация обучения системы; автоматическое формирование обучающего и тестового множества.

Deductor является аналитической платформой, т.е. основой для создания законченных прикладных решений. Реализованные в Deductor технологии позволяют на базе единой архитектуры пройти все этапы построения аналитической системы: от создания хранилища данных до автоматического подбора моделей и визуализации полученных результатов.

Deductor предоставляет аналитикам инструментальные средства, необходимые для решения самых разнообразных аналитических задач: корпоративная отчетность, прогнозирование, сегментация, поиск закономерностей  – эти и другие задачи, где применяются такие методики анализа, как OLAP, Knowledge Discovery in Databases и Data Mining. Deductor является идеальной платформой для создания систем поддержки принятий решений [2].

Нейронные сети (НС) широко используются для решения разнообразных задач. Среди развивающихся областей применения НС - обработка аналоговых и цифровых сигналов, синтез и идентификация электронных цепей и систем. Основы теории и технологии применения НС широко представлены в пакете MATLAB. В этой связи особо следует отметить такую версию пакета, как MATLAB 6.0, где впервые представлен GUI (Graphical User Interface - графический интерфейс пользователя) для НС – NNTool, который применяется в ряде задач синтеза цепей и цифровой обработки сигналов.

Графический интерфейс пользователя NNTool позволяет выбирать структуры NN из обширного перечня и предоставляет множество алгоритмов обучения для каждого типа сети. После того как структура НС выбрана, должны быть установлены её параметры. Выбор структуры НС и типов нейронов - самостоятельный и весьма непростой вопрос. Что же касается значений параметров, то, как правило, они определяются в процессе решения некоторой оптимизационной задачи [3].

Литература:

1. Официальном сайте компании StatSoft Russia. – Режим доступа: http://www.statsoft.ru/products/STATISTICA_Neural_Networks/index.php

2. Сайт BaceGroup_Labs технологии анализа данных. – Режим доступа: http://www.basegroup.ru/deductor/description/

3. Demuth H., Beale M. Neural Network Toolbox. For Use with MATLAB. The MathWorks Inc. 1992-2000.