Анотація до роботи:

Куссуль А.О. Програмні засоби моделювання модульних нейронних мереж та їх використання. - Рукопис.

Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 01.05.03 – математичне та програмне забезпечення обчислювальних машин і систем. – Інститут проблем математичних машин та систем НАН України, Київ, 2005.

Дисертаційна робота присвячена розвитку і конкретизації математичної моделі графів модульних нейронних мереж. Запропоновано представлення, призначене для загального аналізу архітектур модульних мереж і, у першу чергу, для аналізу архітектур автоматичними системами. Розглянуто загальні властивості циклів у модульних мережах. Доведено теореми про властивості звичайних циклів. Введено визначення дозволених і заборонених архітектур модульних мереж. Запропоновано алгоритми перерахування модульних мереж, що містять цикли, шляхом заміни останніх метавершинами. Запропоновано алгоритми аналізу модульних мереж, що дозволяють визначати наявність циклів, виділяти вершини, їм приналежні і визначати типи циклів.

Розроблені моделі модульних нейронних мереж і методи реалізовані у вигляди програмних модулів в рамках системи автоматичного проектування багатомодульних нейронних мереж САПР МНМ та програмного комплексу “NeuroLand”.

Вперше експериментально досліджені методи кооперативного навчання модульних нейронних мереж. Показано, що використання кооперативного навчання в 1,5 рази знижує часові витрати в порівнянні з індивідуальним при близьких результатах класифікації.

Експериментально доведено переваги модульних мереж на прикладі вирішення задачі класифікації пасажира автомобіля.

Головним результатом дисертаційної роботи є створення науково-методичних засад та розробка алгоритмічної бази автоматизованого проектування багатомодульних нейросистем, а також практична реалізація одержаних автором теоретичних результатів в створених прикладних нейросистемах. В процесі дослідження автором одержано такі основні результати:

1. Розвинуто графову модель модульної мережі як апарат для моделювання та дослідження модульних нейромереж. Запропоновано представлення, що забезпечує можливість автоматизації загального аналізу архітектур модульних мереж. Визначено умови, за яких орієнтований граф може описувати довільну модульну мережу.

2. Досліджено загальні властивості циклів в модульних мережах. Доведено теореми про єдиність означення звичайних циклів модульної мережі та загальні властивості циклів графової моделі модульної мережі.

3. Запропоновано алгоритми аналізу та обчислення модульних мереж, що містять цикли, шляхом заміни останніх метавершинами. Доведено, що для того, щоб архітектура модульної мережі з циклами була дозволеною, необхідно і достатньо, щоб граф мережі містив тільки звичайні цикли. Запропоновано шляхи вирішення протиріч у модульних мережах, що містять перехресні цикли.

4. Розроблено підсистему мереж прямого розповсюдження програмного нейрокомп'ютера NeuroLand, який дозволяє моделювати модульні нейронні мережі з лінійною організацією, орієнтованою на роботу в режимі "run-time". Створено та експериментально апробовано лінійку модулів препроцесінгу для вирішення задач класифікації запахів.

5. Розроблено програмні інструментальні засоби для моделювання та аналізу модульних нейромереж.

6. Розроблені моделі модульних нейронних мереж і методи їх аналізу реалізовано при створенні системи автоматизованого проектування багатомодульних нейронних мереж САПР МНМ.

7. Вперше експериментально досліджені методи кооперативного навчання модульних нейронних мереж. Показано, що використання кооперативного навчання в 1,5 рази знижує часові витрати в порівнянні з індивідуальним при близьких результатах класифікації.

8. Розроблено і експериментально випробувано методику використання програмних комплексів моделювання модульних нейронних мереж при вирішенні багатопараметричних задач класифікації. Доведено експериментально переваги модульних мереж на прикладі задачі керування повітряними мішками безпеки пасажирів автомобіля. Одержані результати використовуються фірмою ATI Inc. (США).

Публікації автора:

1. Галинская А.А. Архитектура и обучение модульных классификаторов для прикладных задач // Математические машины и системы.-2003. -№ 2. –С.77-86.

   Галинская А.А. Модульные нейронные сети: обзор современного состояния разработок// Математические машины и системы.-2003. -№ 3,4. –С.87-102.

   Куссуль М.Э., Галинская А.А. О свойствах циклов в модульных нейронных сетях // Математические машины и системы. - 2005.- №2.- С.54-63.

   Куссуль М.Э., Галинская А.А. "Разрешенные" и "запрещенные" архитектуры модульных сетей // Математические машины и системы. - 2005.- №3.- С. 24-35.

   Kussul M., Galinskaya A. Graph representation of modular neural networks // Proc. of the XI International Conference “Knowledge – Dialog - Solution” KDS 2005. - Varna, Bulgaria. – 2005. - 20-24 June.

   Kussul M., Galinskaya A. Comparative study of modular classifiers and its training // Proc. of the X-th International Conference “Knowledge – Dialog - Solution” KDS 2003. - Varna, Bulgaria. – 2003. - 16-26 June. - P.168-174.

   Резник А.М., Калина Е.А., Садовая Е.Г., Дехтяренко А.К., Сичов А.С., Галинская А.А. Комп'ютерна програма для моделювання нейронних мереж та проектування прикладних нейросистем "NeuroLand", Свідоцтво про реєстрацію авторського права на твір №6169. Міністерство освіти і науки України, Державний департамент інтелектуальної власності, 9 вересня 2002.

   Резник А.М., Калина Е.А.., Сычов А.С., Садовая Е.Г., Дехтяренко А.К., Галинская А.А. Многофункциональный нейрокомпьютер NeuroLand // Праці Міжнародної конференції з індуктивного моделювання “МКІМ – 2002” Державний НДІ інформаційної інфраструктури. - Львів. – 2002. - 20-25 травня. - T. 2. - Секція 4. – С. 82-88.

   Резник А.М., Калина Е.А., Садовая Е.Г., Дехтяренко А.К., Сичов А.С., Галинская А.А. Багатофункціональний нейрокомп’ютер NeuroLand // Математичні машини і системи.-2003.-№1. – С.36-45.

   Резник А.М., Галинская А.А. Зондирование интеллекта нейронной сети при обучении классификации сложных сигналов // Proc. of the X-th International Conference “Knowledge – Dialog - Solution” KDS 2003. - Varna, Bulgaria. – 2003. - 16-26 June. – P. 39-46.

   Reznik A.M., Galinskaya A.A. Intellect sensing of neural network that trained to classify complex signals // Information theories & applications. – 2003. – Vol.10, N 2. - P.173-179.

   Reznik A.M., Galinskaya A.A., Dekhtyarenko O.K., Nowicki D.W. A comparison of preprocessing techniques for matrix QCM sensors data classified by neural network // The X-th International Symposium on Olfaction and Electronic Nose ISOEN’03, Book of Abstract. - Riga, Latvia. – 2003. - 26-28 June.

   Reznik A.M., Galinskaya A.A., Dekhtyarenko O.K., Nowicki D.W. Preprocessing of matrix QCM sensors data for the classification by means of neural network // Sensors and Actuators B, Special issue: ISOEN. – 2003. – Vol. 106/1. - P. 158-163.