Материал из WikiTraining
(Различия между версиями)
|
|
| Строка 1: |
Строка 1: |
| − | <p style="font-size:200%; font-weight:bold;">Применение искусственных нейронных сетей<br />в задачах солнечно-земной физики</p> | + | <p style="font-size:200%; font-weight:bold;">Создание электронных обучающих пособий для решения физических задач<br /></p> |
| | | | |
| | == Аннотация == | | == Аннотация == |
| − | Современные математические технологии предлагают разнообразные подходы и методы решения широкого спектра задач во многих областях науки. Развитие вычислительной техники открывает исследователям новые возможности в постановке экспериментов, обработке массивов данных, интерпретации полученных результатов. Производительность компьютеров позволяет выполнять расчет физических моделей изучаемых процессов при учете десятков и сотен воздействующих факторов за считанные минуты. В такой ситуации может сложиться впечатление, что аналитическое усложнение исследуемой модели или условий при постановке задачи всегда приводит к более надежному и точному результату. Однако, как показывает практика, это не так.
| |
| | | | |
| − | В последнее время физические связи между экспериментальными данными об анализируемых событиях начали устанавливаться без построения моделей. В основе такого подхода лежит метод искусственных нейронных сетей (ИНС), который сочетает корреляционную обработку изучаемых сигналов с их нелинейным преобразованием. Этот вычислительный метод содержит в себе математический алгоритм и применяется в основном в двух вариантах. В первом – выясняются зависимости между группами последовательных данных, находящихся в причинно-следственной связи. Во втором – события объединяются в группы (классифицируются) по схожим признакам и таким образом выделяются характерные особенности изучаемых явлений. Продолжительный опыт использования ИНС в разных приложениях показал, что этот метод особенно эффективен для сложных систем, когда их физическая модель излишне сложна или отсутствует на данный момент.
| |
| − |
| |
| − | Преимущество нейросетевых технологий перед другими методами объясняется изначально определяемой простотой при моделировании процесса. Созданная нейросетевая система для конкретной задачи символизирует вершину эволюции математического моделирования динамических процессов. Высокий интерес к нейронным сетям, проявляемый специалистами из разных областей деятельности, объясняется, прежде всего, очень широким диапазоном решаемых с их помощью задач. Нейронные сети могут быть использованы при решении задач по прогнозированию и восстановлению числовых рядов, а также при классификации образов. Примерами приложений являются обработка изображений и нелинейное управление, распознавание образов и адаптивная фильтрация, идентификация и финансовое прогнозирование. В настоящее время метод ИНС активно применяется также и в геофизике для решения задач прогноза параметров солнечно-земных связей и различных геофизических явлений.
| |
| | | | |
| | | | |
| Строка 29: |
Строка 25: |
| | | | |
| | == Автор работы == | | == Автор работы == |
| − | Студент группы №259 [[Тестовый независимый участник|Иванов Иван Иванович]] | + | Студент группы №262-М [[Тестовый независимый участник|Волков Александр]] |
| | | | |
| | == Научный руководитель участника проекта == | | == Научный руководитель участника проекта == |
| − | Ст. преп. кафедры ВМС и КХ Петров И.И.
| + | Доктор физико-математических наук Урман Юрий Михайлович |
| | | | |
| | [[Категория: Проект]] | | [[Категория: Проект]] |
Версия 11:04, 15 февраля 2013
Создание электронных обучающих пособий для решения физических задач
Аннотация
Содержание работы
- ГЛАВА 1. Введение
- §1.1. Краткий исторический экскурс
- §1.2. Модель черного ящика
- §1.3. Применение ИНС в задачах солнечно-земной физики
- ГЛАВА 2. Биологический нейрон и его математическая модель
- §2.1. Биологический нейрон
- §2.2. Формальный нейрон
- §2.3. Нейронные сети
- §2.4. Обучение нейронной сети
- ГЛАВА 3. Заключение
- §3.1. Интеллект и сознание
- §3.2. Проект Blue Brain
- Полный список источников
Автор работы
Студент группы №262-М Волков Александр
Научный руководитель участника проекта
Доктор физико-математических наук Урман Юрий Михайлович
