Демонстрация дифракции света на тумане
Демонстрация дифракции света на тумане
Содержание |
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.
Содержание работы
Автор работы
Студентка группы №241 Михайлова Татьяна Михайловна
Научный руководитель участника проекта
Кандидат пед. наук, доцент Ханжина Е.В
