Разработка и исследование генетических методов обучения нейронных сетей для задач визуализации в САПР-К

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ
1. АНАЛИЗ СУЩЕСТВУЮЩИХ МОДЕЛЕЙ КЛАССИФИКАЦИИ В УСЛОВИЯХ ВИЗУАЛИЗАЦИИ ПРОЕКТНЫХ РЕШЕНИЙ САПРК
1.1 Трехмерные макеты и графические описания в системах САРК
1.2 Постановка задачи визуализации
1.3 Анализ существующих методик моделирования классификационных систем с применением нейросетей и методов генетического поиска
1.4 Эволюционные методы и методы генетического поиска
1.5 Принципы построения нейронных сетей с применением методов
генетического поиска
1.6 Принципы кодирования нейронных сетей
1.7 Системы распределенных вычислений как инструмент
распараллеливания процесса визуализации в САПРК
1.8 Выводы и рекомендации
2. СИНТЕЗ ГИБРИДНОГО АЛГОРИТМА, СОЧЕТАЮЩЕГО ЭВОЛЮЦИОННОЕ ПРОГРАММИРОВАНИЕ И ГРАДИЕНТНОЕ ПРАВИЛО
2.1 Определение основных принципов кооперативного
обучения
2.1.1 Постановка задачи обучения нейронной сети, применительно к проблеме классификации в условиях визуализации сложных графических макетов САПРК
2.1.2 Определение функции ошибки НС
2.1.3 Анализ и оценка функциональной роли различных слоев в многослойном персептроне
2.2 Кооперативная эволюция в сетях с логистической
активационной функцией
2.2.1 Алгоритм на основе эволюции скрытых активаций Алгоритм Прадоса
2.2.2 Разработка гибридного алгоритма, сочетающего эволюционное программирование и градиентное правило
2.2.3 Сравнение эффективности алгоритмов
2.3 Выводы и рекомендации
3. РАЗРАБОТКА МЕТОДА РАСПАРАЛЛЕЛИВАНИЯ ПРОЦЕССА
ВИЗУАЛИЗАЦИИ ПРОЕКТНЫХ РЕШЕНИЙ САПРК
3.1 Особенности нейронных сетей радиального базиса
3.2 Разработка алгоритма классификации элементов проектных решений
САПРК на основе эволюционного программирования
3.3 Построение кооперативносоревновательного генетического
алгоритма обучения сетей радиального базиса
3.4 Синтез алгоритма распараллеливания процесса визуализации сложных
графических макетов в САПРК
3.5 Теоретические оценки разработанных алгоритмов
3.6 Выводы и рекомендации
4. ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ РАЗРАБОТАННЫХ
АЛГОРИТМОВ
4.1 Цель экспериментального исследования
4.2 Оценка пространственной и временной сложности алгоритмов
4.3 Определение управляющих параметров нейросетевых алгоритмов классификации объектов, составляющих проектные решения САПРК
4.4 Сравнение результатов, полученных представленными нейросетевыми
алгоритмами классификации объектов
4.5 Выводы и рекомендации
ЗАКЛЮЧЕНИЕ
ЛИТЕРАТУРА