Информационные технологии при проектировании и управлении техническими системамих. Часть 2. Немтинов В.А - 118 стр.

UptoLike

ВУЗ: 

ТГТУ | Тамбов

Составители: 

Рубрика: 

118
определить спрос на продукцию в момент времени t:
,...,,...,,,,
321 I
t
i
tttt
QQQQQ
т.е. вычислить
)(ZfQ
t
=
, где Z – факторные признаки.
7.2. СОЗДАНИЕ НЕЙРОННОЙ СЕТИ
Задача прогнозирования ёмкости рынка многоассортиментной
малотоннажной продукции решается с помощью аппарата искусствен-
ных нейронных сетей в пакете ST Neural Networks.
В качестве примера многоассортиментного малотоннажного про-
изводства предлагается использовать химико-фармацевтическую про-
дукцию. Создание нейронной сети и дальнейшее предсказание будет
реализовано на примере антигельминтного препарата "Вермокс".
Перед тем, как данные будут введены в сеть, они должны быть
определённым образом подготовлены. Столь же важно, чтобы выход-
ные данные можно было легко интерпретировать. В ST Neural
Networks имеется возможность автоматического масштабирования
входных и выходных данных (в том числе шкалирование по мини-
мальному/максимальному значениям и по среднему/стандартному от-
клонению); также могут быть автоматически перекодированы пере-
менные с текстовыми значениями (например, Пол =
{Муж,
Жен}), в том
числе по методу 1-из-N кодирования. ST Neural Networks имеет также
средства работы с пропущенными данными. Реализованы такие функции
нормировки, как "единичная сумма", "победитель получает всё" и "вектор
единичной длины". Имеются средства подготовки и интерпретации дан-
ных, специально предназначенные для анализа временных рядов.
В задачах классификации имеется возможность установить дове-
рительные интервалы, которые ST Neural Networks использует затем
для отнесения наблюдений к тому или иному классу. В сочетании со
специальной реализованной в ST Neural Networks функцией актива-
ции Софтмакс и кросс-энтропийными функциями ошибок это даёт
принципиальный теоретико-вероятностный подход к задачам клас-
сификации.
Алгоритм создания нейронной сети включает следующие этапы.
1. Создание таблицы исходных данных (рис. 7.1), в которой будет
храниться информация для обучения сети. В качестве входных парамет-
ров используются колонки Var2–Var7, а в качестве выходного – Var1.
Var1 – объём продаж препарата за прошедшие 12 месяцев, а Var2–Var7 –

Страницы