Архитектура ВPT

2.3.5 Архитектура ВPT

На рис. 8 показана схема сети ВPT, представленная в виде четырех функциональных модулей. Она включает Блок Управления, N фильтров, N ансамблей нейронов и Командный Модуль. Блок Управления и Командный Модуль обеспечивают управляющие функции, необходимые для обучения и классификации.

Рис. 8. Схема ВРТ

2.3.6 Принцип работы

Блок управления (БУ) получает на вход вектор x и пропускает его в параллельно во все ансамбли. Вместе с сигналом БУ пропускает номер первого необученного ансамбля n, который при инициализации сети равен 1; и командную переменную c. В случае, если сигнал проходит впервые, т.е. идет его распознавание, командная переменная равна 0.

Перед каждым нейронным ансамблем установлен фильтр. Его функция заключается в том, чтобы не пропускать сигнал в еще не обученный ансамбль. Эта функция реализуется благодаря переменной n. В том случае, если n превышает номер ансамбля, сигнал пропускается и командная переменная обнуляется. В случае, если n равна номеру ансамбля, командная переменная проходит без изменений и входной сигнал пропускается. Если же n меньше номера ансамбля, не пропускается ни входной вектор, ни командная переменная.

В нейронном ансамбле проверяется величина командной переменной. Если она нулевая, то в каждом отдельном нейроне идет сравнение величины элемента входного вектора с ранее запомненной. Если же c=1, то происходит запоминание.

В процессе сравнения, как описывалось ранее, каждый элемент входного вектора проверяется на совпадение с ранее запомненным. Т.е. образ распознается только в случае резонанса входного и сигнала, которому был обучен ансамбль (рис.8).

Рис.9. Не резонанс.

После процесса сравнения мы получаем сигналы со всех ансамблей. В случае успешного распознавания или обучения, сигнал будет равен единице, в другом случае – нулю. В контрольном блоке идет проверка сигналов со всех ансамблей. Если с одного из них пришел положительный ответ, посылается сигнал об окончании процесса, если ответ нулевой, посылается команда о переходе к обучению.

Блок БУ при получении из контрольного блока команды об обучении, увеличивает номер n на единицу, устанавливает командную переменную в единицу и посылает повторный сигнал. В случае прихода с контрольного блока сигнала об успешном распознавании или обучении, процесс останавливается.

Одной из главных задач при создании нейронной сети является выбор модели нейрона, наиболее подходящей для решаемой сетью задачи. Для этого рассмотрим несколько наиболее известных из разработанных моделей.

2.4 Адаптивная резонансная теория

Сети и алгоритмы APT сохраняют пластичность, необходимую для изучения новых образов, в то же время предотвращая изменение ранее запомненных образов. Эта способность стимулировала большой интерес к APT, но многие исследователи нашли теорию трудной для понимания. Математическое описание APT является сложным, но основные идеи и принципы реализации достаточно просты для понимания. Мы сконцентрируемся далее на общем описании APT; математически более подготовленные читатели смогут найти изобилие теории в литературе, список которой приведен в конце главы. Нашей целью является обеспечение достаточно конкретной информацией, чтобы читатель мог понять основные идеи и возможности, а также провести компьютерное моделирование с целью исследования характеристик этого важного вида сетей.

  2.4.1 АРХИТЕКТУРА APT

Адаптивная резонансная теория включает две парадигмы, каждая из которых определяется формой входных данных и способом их обработки. АРТ-1 разработана для обработки двоичных входных векторов, в то время как АРТ-2, более позднее обобщение АРТ-1, может классифицировать как двоичные, так и непрерывные векторы. В данной работе рассматривается только АРТ-1. Читателя, интересующегося АРТ-2, можно отослать к работе [3] для полного изучения этого важного направления. Для краткости АРТ-1 в дальнейшем будем обозначать как APT.

  2.4.2 Описание APT

Сеть APT представляет собой векторный классификатор. Входной вектор классифицируется в зависимости от того, на какой из множества ранее запомненных образов он похож. Свое классификационное решение сеть APT выражает в форме возбуждения одного из нейронов распознающего слоя. Если входной вектор не соответствует ни одному из запомненных образов, создается новая категория посредством запоминания образа, идентичного новому входному вектору. Если определено, что входной вектор похож на один из ранее запомненных векторов с точки зрения определенного критерия сходства, запомненный вектор будет изменяться (обучаться) под воздействием нового входного вектора таким образом, чтобы стать более похожим на этот входной вектор.

Запомненный образ не будет изменяться, если текущий входной вектор не окажется достаточно похожим на него. Таким образом решается дилемма стабильности-пластичности. Новый образ может создавать дополнительные классификационные категории, однако новый входной образ не может заставить измениться существующую память.

  2.4.3 Упрощенная архитектура APT

На рис. 9 показана упрощенная конфигурация сети APT, представленная в виде пяти функциональных модулей. Она включает два слоя нейронов, так называемых «слой сравнения» и «слой распознавания». Приемник 1, Приемник 2 и Сброс обеспечивают управляющие функции, необходимые для обучения и классификации.

Перед рассмотрением вопросов функционирования сети в целом необходимо рассмотреть отдельно функции модулей; далее обсуждаются функции каждого из них.

Слой сравнения. Слой сравнения получает двоичный входной вектор Х и первоначально пропускает его неизмененным для формирования выходного вектора C. На более поздней фазе в распознающем слое вырабатывается двоичный вектор R, модифицирующий вектор C, как описано ниже.

Каждый нейрон в слое сравнения (рис. 10) получает три двоичных входа (0 или I): (1) компонента х_i входного вектора X; (2) сигнал обратной связи R_i – взвешенная сумма выходов распознающего слоя; (3) вход от Приемника 1 (один и тот же сигнал подается на все нейроны этого слоя).

Рис. 9. Упрощенная сеть АРТ

Рис. 10. Упрощенный слой сравнения

Чтобы получить на выходе нейрона единичное значение, как минимум два из трех его входов должны равняться единице; в противном случае его выход будет нулевым. Таким образом реализуется правило двух третей, описанное в [З]. Первоначально выходной сигнал G1 Приемника 1 установлен в единицу, обеспечивая один из необходимых для возбуждения нейронов входов, а все компоненты вектора R установлены в 0; следовательно, в этот момент вектор C идентичен двоичному входному вектору X.

Слой распознавания. Слой распознавания осуществляет классификацию входных векторов. Каждый нейрон в слое распознавания имеет соответствующий вектор весов B_j Только один нейрон с весовым вектором, наиболее соответствующим входному вектору, возбуждается; все остальные нейроны заторможены.

Как показано на рис. 11, нейрон в распознающем •слое имеет, максимальную реакцию, если вектор C, являющийся выходом слоя сравнения, соответствует набору его весов, следовательно, веса представляют запомненный образ или экземпляр для категории входных векторов. Эти веса являются действительными числами, а не двоичными величинами. Двоичная версия этого образа также запоминается в соответствующем наборе весов слоя сравнения (рис. 10); этот набор состоит из весов связей, соединяющих определенные нейроны слоя распознавания, один вес на каждый нейрон слоя сравнения.

В процессе функционирования каждый нейрон слоя распознавания вычисляет свертку вектора собственных весов и входного вектора C. Нейрон, имеющий веса, наиболее близкие вектору C, будет иметь самый большой выход, тем самым выигрывая соревнование и одновременно затормаживая все остальные нейроны в слое.

Как показано на рис. 12, нейроны внутри слоя распознавания взаимно соединены в латерально-тормозящую сеть. В простейшем случае (единственном, рассмотренном в данной работе) предусматривается, что только один нейрон в слое возбуждается в каждый момент времени (т. е. только нейрон с наивысшим уровнем активации будет иметь единичный выход; все остальные нейроны будут иметь нулевой выход). Эта конкуренция реализуется введением связей с отрицательными весами l_ij с выхода каждого нейрона r_i на входы остальных нейронов. Таким образом, если нейрон имеет большой выход, он тормозит все остальные нейроны в слое. Кроме того, каждый нейрон имеет связь с положительным весом со своего выхода на свой собственный вход. Если нейрон имеет единичный выходной уровень, эта обратная связь стремится усилить и поддержать его.

Рис. 11. Упрощенный слой распознавания

Приемник 2. G2, выход Приемника 2, равен единице, если входной вектор X имеет хотя бы одну единичную компоненту. Более точно, G2 является логическим ИЛИ от компонента вектора X.

Приемник 1. Как и сигнал G2, выходной сигнал G1 Приемника 1 равен 1, если хотя бы одна компонента двоичного входного вектора X равна единице; однако если хотя бы одна компонента вектора R равна единице, G1 устанавливается в нуль. Таблица, определяющая эти соотношения:

Рис. 12. Слой распознавания с латеральным торможением

ИЛИ от компонента вектора X	ИЛИ от компонента вектора R	G1
0	0	0
1	0	1
1	1	0
0	1	0

Сброс. Модуль сброса измеряет сходство между векторами X и C. Если они отличаются сильнее, чем требует параметр сходства, вырабатывается сигнал сброса возбужденного нейрона в слое распознавания.

В процессе функционирования модуль сброса вычисляет сходство как отношение количества единиц в векторе C к их количеству в векторе C. Если это отношение ниже значения параметра сходства, вырабатывается сигнал сброса.

2.4.4 Функционирование сети APT в процессе классификации

Процесс классификации в APT состоит из трех основных фаз: распознавание, сравнение и поиск.

Фаза распознавания. В начальный момент времени входной вектор отсутствует на входе сети; следовательно, все компоненты входного вектора X можно рассматривать как нулевые. Тем самым сигнал G2 устанавливается в 0 и, следовательно, в нуль устанавливаются выходы всех нейронов слоя распознавания. Поскольку все нейроны слоя распознавания начинают работу в одинаковом состоянии, они имеют равные шансы выиграть в последующей конкуренции.

Затем на вход сети подается входной вектор X, который должен быть классифицирован. Этот вектор должен иметь одну или более компонент, отличных от нуля, в результате чего и G1, и G2 становятся равными единице. Это «подкачивает» нейроны слоя сравнения, обеспечивая один из двух единичных входов, необходимых для возбуждения нейронов в соответствии с правилом двух третей, тем самым позволяя нейрону возбуждаться, если соответствующая компонента входного вектора X равна единице. Таким образом, в течение данной фазы вектор S в точности дублирует вектор X.

Далее для каждого нейрона в слое распознавания вычисляется свертка вектора его весов Вj и вектора C (рис. 11). Нейрон с максимальным значением свертки имеет веса, наилучшим образом соответствующие входному вектору. Он выигрывает конкуренцию и возбуждается, одновременно затормаживая все остальные нейроны этого слоя. Таким образом, единственная компонента r_j вектора R (рис. 10) становится равной единице, а все остальные компоненты становятся равными нулю.

В результате, сеть APT запоминает образы в весах нейронов слоя распознавания, один нейрон для каждой категории классификации. Нейрон слоя распознавания, веса которого наилучшим образом соответствуют входному вектору, возбуждается, его выход устанавливается в единичное значение, а выходы остальных нейронов этого слоя устанавливаются в нуль.

Фаза сравнения. Единственный возбужденный в слое распознавания нейрон возвращает единицу обратно в слой сравнения в виде своего выходного сигнала r_j. Эта единственная единица может быть визуально представлена в виде «веерного» выхода, подающегося через отдельную связь с весом t_ij на каждый нейрон в слое сравнения, обеспечивая каждый нейрон сигналом р_j, равным величинеt_ij (нулю или единице) (рис. 13).

Рис. 13. Путь сигнала отдельного возбужденного нейрона в слое распознавания

Алгоритмы инициализации и обучения построены таким образом, что каждый весовой вектор Т_j имеет двоичные значения весов; кроме того, каждый весовой вектор В_j представляет собой масштабированную версию соответствующего вектора Т_j. Это означает, что все компоненты P (вектора возбуждения слоя сравнения) также являются двоичными величинами.

Так как вектор R не является больше нулевым, сигнал G1 устанавливается в нуль. Таким образом, в соответствии с правилом двух третей, возбудиться могут только нейроны, получающие на входе одновременно единицы от входного вектора X и вектора P.

Другими словами, обратная связь от распознающего слоя действует таким образом, чтобы установить компоненты C в нуль в случае, если входной вектор не соответствует входному образу, т. е. если X и P не имеют совпадающих компонент.

Если имеются существенные различия между X и P (малое количество совпадающих компонент векторов), несколько нейронов на фазе сравнения будут возбуждаться и C будет содержать много нулей, . в то время как X содержит единицы. Это означает, что возвращенный вектор P не является искомым и возбужденные нейроны в слое распознавания должны быть заторможены. Это торможение производится блоком сброса (рис. 9), который сравнивает входной вектор X и вектор C и вырабатывает сигнал сброса, если степень сходства этих векторов меньше некоторого уровня. Влияние сигнала сброса заключается в установке выхода возбужденного нейрона в нуль, отключая его на время текущей классификации.

Фаза поиска. Если не выработан сигнал сброса, сходство является адекватным, и процесс классификации завершается. В противном случае другие запомненные образы должны быть исследованы с целью поиска лучшего соответствия. При этом торможение возбужденного нейрона в распознающем слое приводит к установке всех компонент вектора R в 0, G1 устанавливается в 1 и входной вектор X опять прикладывается в качестве C. В результате другой нейрон выигрывает соревнование в слое распознавания и другой запомненный образ P возвращается в слой сравнения. Если P не соответствует X, возбужденный нейрон в слое распознавания снова тормозится. Этот процесс повторяется до тех пор, пока не встретится одно из двух событий:

1.         Найден запомненный образ, сходство которого с вектором X выше уровня параметра сходства, т. е. S>r. Если это происходит, проводится обучающий цикл, в процессе которого модифицируются веса векторов T_j и B_j, связанных с возбужденным нейроном в слое распознавания.

2.         Все запомненные образы проверены, определено, что они не соответствуют входному вектору, и все нейроны слоя распознавания заторможены. В этом случае предварительно не распределенный нейрон в распознающем слое выделяется этому образу и его весовые векторы B_j и T_j устанавливаются соответствующими новому входному образу.

Проблема производительности. Описанная сеть должна производить последовательный поиск среди всех запомненных образов. В аналоговых реализациях это будет происходить очень быстро; однако при моделировании на обычных цифровых компьютерах этот процесс может оказаться очень длительным. Если же сеть APT реализуется на параллельных процессорах, все свертки на распознающем уровне могут вычисляться одновременно. В этом случае поиск может быть очень быстрым.

Время, необходимое для стабилизации сети с латеральным торможением, может быть длительным при моделировании на последовательных цифровых компьютерах. Чтобы выбрать победителя в процессе латерального торможения, все нейроны в слое должны быть вовлечены в одновременные вычисления и передачу. Это может потребовать проведения большого объема вычислений перед достижением сходимости. Латеральные тормозящие сети, аналогичные используемым в неокогнитронах, могут существенно сократить это время.

  2.4.5 Теоремы APT

Наиболее важные теоремы, показывающие характеристики сетей APT:

1.         После стабилизации процесса обучения предъявление одного из обучающих векторов (или вектора с существенными характеристиками категории) будет активизировать требуемый нейрон слоя распознавания без поиска. Эта характеристика «прямого доступа» определяет быстрый доступ к предварительно изученным образам.

2.         Процесс поиска является устойчивым. После определения выигравшего нейрона в сети не будет возбуждений других нейронов в результате изменения векторов выхода слоя сравнения С; только сигнал сброса может вызвать такие изменения.

3.         Процесс обучения является устойчивым. Обучение не будет вызывать переключения с одного возбужденного нейрона слоя распознавания на другой.

4.         Процесс обучения конечен. Любая последовательность произвольных входных векторов будет производить стабильный набор весов после конечного количества обучающих серий; повторяющиеся последовательности обучающих векторов не будут приводить к циклическому изменению весов.

2.5 Выбор модели нейрона.

Рис. 14. (а) Схематическое изображение нейрона: 1 – тело клетки (сома), 2 – мембрана, 3 – дендриты, 4 – аксон, 5 – синаптическое окончание, (б) Ионные каналы в мембране нейрона: К, Na, Са – ионы калия, натрия, кальция, (в) Эквивалентная электрическая схема мембраны нейрона: G_Na, G_K, G_Ca,…— нелинейные ионные проводимости; R_m – сопротивление утечки; С_т – емкость мембраны; E_Na, E_K,…–равновесные потенциалы для соответствующих токов.

На рис. 14 схематически изображены нервная клетка и клеточная мембрана. Для построения адекватной динамической модели нейрона принципиально, что окружающая его мембрана нередко представляет собой эквипотенциальную поверхность. Поэтому, несмотря на вполне макроскопические размеры нейрона, при анализе его электрической активности (частота 4-60 Гц) нервную клетку можно рассматривать как сосредоточенную в пространстве систему. Другими словами, переменные, описывающие состояние нейрона (мембранный потенциал, концентрацию тех или иных ионов и т.д.), можно рассматривать как функции только времени. Другой важный вопрос связан со способом описания активности нейронов. Поскольку состояние нейрона определяется неравновесной диффузией различных заряженных ионов, для моделирования его активности, вообще говоря, следует использовать кинетическое описание. Однако, когда мы интересуемся нейроном как генератором низкочастотных электрических пульсаций, такое описание, очевидно, избыточно. Для построения соответствующей теории вполне достаточно уравнений для средних по времени t₀ << Т (Т — характерный период электрической активности нейрона) динамических переменных: мембранного потенциала и макроскопических ионных токов. При этом нейрон можно рассматривать как нелинейную электрическую цепь из RC-элементов. Источником энергии для работы этой диссипативной системы служат биохимические процессы, связанные со взаимодействием внутриклеточной и межклеточной сред.

Осцилляторная активность нейрона определяется тем, что это неравновесная система с разнообразными обратными связями, в том числе и запаздывающими. Именно благодаря этим обратным связям, закрывающим или открывающим ионные каналы в соответствующей фазе электрической активности мембраны, состояние нейрона, отвечающее потенциалу покоя, может стать неустойчивым, и он превращается в генератор. Такой генератор можно рассматривать как динамическую систему, в рамках которой микроскопическая кинетика проявляется лишь как малые флуктуации.

Нелинейные динамические модели нейронов, которые строятся для объяснения обнаруживаемых феноменов и предсказания новых (в чем, собственно, и состоит назначение теории), в значительной степени зависят от того нейрофизиологического эксперимента, на который они опираются. Так, для описания нейронов ЦГ обычно используются варианты классической модели Ходжкина-Хаксли (1952 г.), включая ее разнообразные обобщения, учитывающие дополнительные мембранные токи, или, наоборот, более упрощенные, использующие в качестве переменных мембранный потенциал V(t) и некоторые вспомогательные токи, описывающие процессы двух типов быстрые Ie(t) и медленные I_M(t) (см., например, [13-15]).

Типичная обобщенная модель Ходжкина-Хаксли (в широком смысле conductance-based model) имеет вид

где V(t) — электрический потенциал клеточной мембраны, С характеризует электрическую емкость мембраны, i обозначает вид тока, текущего через мембрану, или, как говорят, тип ионного канала (калиевого, натриевого, кальциевого канала, канала утечки), g_i — максимальная проводимость, V_i — равновесный потенциал (потенциал реверсии) для i-го канала, a_i и b_i — переменные, характеризующие активацию и инактивацию i-го канала, эти переменные можно рассматривать, например, как вероятности открытия или закрытия того или иного канала, a p_i и q_i представляют собой число управляющих частиц, достаточное, чтобы открыть или закрыть канал (обычно это целые числа от нуля до четырех). a_∞i (V) и b_∞i(V) — стационарные состояния уровня активации и инактивации, они зависят от V сигмоидным образом, так же как и характерные времена релаксации ф_ai(V) и ф_ai(V). В классической работе Ходжкина и Хаксли [14] N = 3.

Сейчас популярны и более простые модели подобного типа. Одна из них — модель Морриса-Лекара [15]:

где m_∞(V), W_∞(V), ф(V) — функции сигмоидного типа. Здесь учтена всего лишь одна переменная W, описывающая активацию нейрона. Естественно, что в рамках динамической модели с двумерным фазовым пространством невозможно описать все детали динамики нейрона и, в первую очередь, хаотические колебания мембранного потенциала клетки, наблюдаемые в различных экспериментах [16, 17] (поскольку странный аттрактор не может быть вложен в двумерное пространство). Поэтому сейчас весьма широко используются трехмерные модели, также опирающиеся на формализм Ходжкина-Хаксли. Это, например, модель Чэй [18] и др.

Формализм Ходжкина и Хаксли, основанный на детальном анализе ионного транспорта через мембрану, получил широкое распространение. Но весьма продуктивны и феноменологические модели, описывающие основные особенности динамики нейронов. Одна из моделей такого типа — модель Розе-Хиндмарш [19] (более подробно см. раздел 3):

где х – мембранный потенциал, у характеризует "быстрые" токи (например, калиевые и натриевые), а z – "медленные" токи, I – внешний ток, а, Ь, с, d, r, s, х₀ – постоянные параметры.

При обсуждении динамических процессов в коре головного мозга наиболее часто используется модель нейронной активности Вилсона и Кована (1972 г.), учитывающая взаимодействие двух связанных популяций нейронов – подавляющих и возбуждающих [20]:

где Е и I – безразмерные величины, характеризующие активность возбуждающих и тормозящих нейронов соответственно. Здесь параметр е < 1, поскольку постоянные времени для торможения, как правило, больше характерных времен возбуждения, F – функция сигмоидного типа: F=l/(l+e^-x) или F= 1/2 + (1/р) arctanx.

При моделировании больших ансамблей нейронов часто используют и совсем простые точечные модели в виде фазовых осцилляторов, к которым сводятся системы осцилляторов общего вида с периодическим поведением и слабыми парными связями (см., например, [21], обзор [22]):

или еще более простые модели переключательного, спинового, типа, подобные тем, которые широко применяются в теории фазовых переходов.

Описанные выше модели нейронов дублируют именно физиологические и анатомические особенности отдельного нейрона. Но при создании нейронной сети нет необходимости в таком точном воспроизведении естественного нейрона. Необходим нейрон, удовлетворяющий поставленным требованиям, и не усложненный реализацией лишних в рамках поставленной задачи физиологических особенностей, так как это будет негативно отражаться на быстродействии сети. Необходима упрощенная, но подходящая для поставленной задачи распознавания модель.

В поставленной задаче необходим пороговый, импульсный нейрон, удовлетворяющий требованию пластичности и стабильности. Для решения этой задачи я взяла двухпороговый нейрон (рис. 15).

Рис.15. Двухпороговый нейрон.

При прохождении входным сигналом нижнего порога, и не превышении верхнего, нейрон срабатывает и генерирует импульс.

После обучения нейронного ансамбля, он будет узнавать только сигнал, мало отличающийся от запомненного. Т.е. ансамбль будет генерировать положительный импульс только в случае резонанса входного сигнала и сигнала, которому обучен ансамбль (рис. 16).

Рис.16. Резонанс.

2.6 Результат работы   2.6.1 Реализация ВРТ в среде Matlab с использованием пакета Simulink

Заключение

Архитектура ВРТ сконструированы по принципу биологического подобия; это означает, что ее механизмы во многом соответствуют механизмам мозга (как мы их понимаем). Однако они могут оказаться не в состоянии моделировать распределенную память, которую многие рассматривают как важную характеристику функций мозга. Экземпляры ВРТ представляют собой «бабушкины узелки»; потеря одного узла разрушает всю память. Память мозга, напротив, распределена по веществу мозга, запомненные образы могут часто пережить значительные физические повреждения мозга без полной их потери.

Кажется логичным изучение архитектур, соответствующих нашему пониманию организации и функций мозга. Человеческий мозг представляет существующее доказательство того факта, что решение проблемы распознавания образов возможно. Кажется разумным эмулировать работу мозга, если мы хотим повторить его работу. Однако контраргументом является история полетов; человек не смог оторваться от земли до тех пор, пока не перестал имитировать движения крыльев и полет птиц.

Список использованных источников:

http://www.ibusiness.ru

http://www.narcom.ru

3. Экономическая часть

В дипломном проекте разрабатывается программа – волновая резонансная нейронная сеть, которая является частью программного обеспечения интеллектуального робота.

Данный раздел дипломного проекта посвящен решению следующих задач:

a)         разработка плана создания программы;

b)         определение затрат на разработку программы и ее цены;

 

3.1. План разработки программы

Библиотека работ имеет следующий вид, приведенный в Таблице 1.

Таблица 1

Наименование этапа	Основные задачи и состав работ	Время выполнения (в днях)
1. Разработка ТЗ	1) составление проекта ТЗ заказчиком;	20
	2) проработка проекта ТЗ исполнителем;	10
	3) согласование и утверждение ТЗ	10
2. Эскизное проектирование	1) изучение научно-технической информации;	10
	2) выбор элементной базы разработки;	5
	3) выбор основных программных решений	10
	4) разработка структурных и функциональных схем программы;	10
3. Техническое проектирование	1) разработка принципиальных схем;	15
	2) уточнение основных параметров программы по результатам прогнозирования;	5
	3) уточнение основных параметров программы после изучения научно-технической информации;	5
	4) программирование и отладка с учетом принципиальных схем	30
	5) программирование и отладка с учетом основных параметров изделия	25
4. Тестирование программы		10
5. Проверка соответствия работы опытного образца требованиям ТЗ		5
6. Объединение с остальными частями интеллектуального робота		15

Библиотека событий приведена в таблице 2

Таблица 2

0. Начало работ

1. Проект ТЗ заказчика готов

2. проработка проекта ТЗ исполнителем завершена

3. Согласованное и утвержденное ТЗ

4 Изучение научно-технической информации завершено

5. Выбрана элементная базы разработки

6. Выбраны основные программные решения

7. Структурная и функциональная схема программы готовы

8. Принципиальные схемы разработаны

9. Основные параметры изделия уточнены

10. Готовое программное средство

11. Настройка и тестирование программы завершены

12. Проведена оценка соответствия ТЗ

13. Объединение с остальными частями интеллектуального робота успешно завершено

Для оценки временных и стоимостных параметров используем метод сетевого планирования и управления (СПУ). Основным плановым документом в системе СПУ является сетевой график (сетевая модель или сеть), представляющий собой информационно-динамическую модель, в которой отражаются взаимосвязи и результаты всех работ, необходимых для достижения конечной цели разработки. Сетевая модель изображается в виде сетевого графика (сети), состоящего из стрелок и кружков. Стрелками в сети изображаются отдельные работы, а кружками — события. Под стрелками указывается ожидаемое время выполнения работ. Жирной линией показан критический путь .

Сетевая модель комплекса приведена на рисунке 17.

Рис. 17 Сетевая модель

Критический путь равен:  = 125 дней (определен по сетевой модели).

Полный резерв времени пути  - это разница между длиной критического пути  и длиной рассматриваемого пути .

Трудоемкость приведена в таблице 3.

Таблица 3

№ п/п	Код работы	Время выполнения (дней)	Количество исполнителей	Трудоемкость чел. час
1	1.1	20	1	160
2	1.2	10	1	80
3	1.3	10	1	80
4	2.1	10	1	80
5	2.2	5	1	40
6	2.3	10	1	80
7	2.4	10	1	80
8	3.1	15	1	120
9	3.2	5	1	40
10	3.3	5	1	40
11	3.4	30	1	240
12	3.5	25	1	200
13	4	10	1	80
14	5	5	1	40
15	6	15	1	120

3.2. Определение затрат на разработку программы

Расчет заработной платы сотрудников, занятых разработкой программы приводится в таблице 4.

Таблица 4

№ п/п	Код работы	Трудоемкость чел. час	Среднечасовая ставка	Сумма ЗП
1	1.1	160	1	160
2	1.2	80	1	80
3	1.3	80	1	80
4	2.1	80	1	80
5	2.2	40	1	40
6	2.3	80	1	80
7	2.4	80	1	80
8	3.1	120	1	120
9	3.2	40	1	40
10	3.3	40	1	40
11	3.4	240	1	240
12	3.5	200	1	200
13	4	80	1	80
14	5	40	1	40
15	6	120	1	120
Итого		1480		1480

 

Суммарные затраты на разработку программы (руб) определяются по формуле:

, где

=1480 рублей – общая заработная плата сотрудников, занятых разработкой программы.

=0,2 – коэффициент, учитывающий дополнительную заработную плату (премии)

=0,26 коэффициент, учитывающий оплату единого социального налога (ЕСН)

=0,6 – коэффициент, учитывающий накладные расходы

 = 3125,76

Цена разработанной программы определяется по формуле:

, = 4688,64

Где  - норматив рентабельности

 - количество организаций, которые могут купить данную программу

Расчет капитальных вложений

Капитальные вложения, связанные с внедрением новой программы определяются по формуле:

 

, где

=54000 рублей – капитальные вложения

=2500 маш-ч годовое машинное время ЭВМ, необходимое для решения задач с помощью программы

= = 4688,64 руб – цена разработанной программы

=2500 полный годовой фонд работы ЭВМ.

=58688,64

Расчет эксплуатационных расходов, связанных с использованием разработанной программы

 руб/год

Где =2500 часов – машинное время работы ЭВМ, используемой в течение года для решения задач с помощью разработанной программы.

==50 руб/час – себестоимость одного машиночаса

=1200 руб/год – затраты по ведению программы

=10 лет – срок службы программы

 = 132068,8

4. Охрана труда и безопасность жизнедеятельности 4.1 Введение

Работая с ЭВМ, пользователь подвергается воздействию множества физически опасных и вредных факторов, среди них:

-        отсутствие или недостаток естественного света,

-        недостаточная освещенность рабочей зоны,

-        электрический ток,

-        статическое электричество,

-        зрительные нагрузки,

-        излучение и др.

Также воздействуют такие психофизиологические факторы, как:

-        умственное перенапряжение,

-        перенапряжение зрительных и слуховых анализаторов,

-        монотонность труда,

-        эмоциональные перегрузки.

Воздействие указанных неблагоприятных факторов приводит к снижению работоспособности, вызываемое развивающимся утомлением. А при длительном нахождении человека в зоне комбинированного воздействия различных неблагоприятных факторов, может привести к профессиональному заболеванию.

Важнейшей частью персональных компьютеров является дисплей (так же видеодисплейный терминал, экран, монитор) – прибор, предназначенный для наблюдения пользователем за работой компьютера. Работа с дисплеем оказывает отрицательное влияние на зрение, нервную систему.

Существует три группы факторов, которые могут повлиять на здоровье пользователя персонального компьютера:

­                визуальные параметры дисплея в сочетании со световым климатом в помещении;

­                электростатическое и электромагнитные поля компьютера, дисплея и других периферийных устройств;

­                эргономические параметры рабочего места.

4.2 Излучение и эргономика

Многолетние исследования о влиянии излучений, генерируемых компьютерами и периферийными устройствами, на здоровье человека дали противоречивые результаты. Но некоторые исследования определили потенциальную опасность для здоровья, которую вызывает долговременное пребывание в зоне неионизированных электромагнитных полей крайне низких частот и очень низких частот.

Дисплеи создают неионизированное электромагнитное поле, которое состоит из электрического (E-поле) и магнитного (H-поле) полей. Беспокойство вызывают крайне низкие частоты - КНЧ (5 Гц – 2000 Гц) и очень низкие частоты - ОНЧ (2 – 400 кГц) спектра. Кроме того, электронно-лучевые трубки (ЭЛТ) дисплеев создают электростатические поля, уменьшающие число отрицательно заряженных ионов в пространстве между пользователем и экраном дисплея, что является причиной ощущения сухости во рту и в носоглотке, сыпи на коже и дерматита у операторов компьютеров.

По мнению врачей-гигиенистов, с точки зрения излучения наиболее опасен монитор. Он излучает в электромагнитном диапазоне от 1 Гц до 1 ГГц. Для того чтобы снизить эмиссионные характеристики техники, в современных компьютерах предусмотрена внутренняя защита. Однако для нее необходимо заземление устройства. При этом очень важно проследить, чтобы провод заземления не просто «присутствовал в розетке», но не прерывался по всей цепочке. Однако заземление часто отсутствует, и все современные разработки по защите от излучений становятся бесполезны.

Так же крайне важно соответствие предельной нагрузки на электропроводку количеству оборудования. Если компьютеров слишком много и электропроводка не рассчитана на такую нагрузку, при последовательном подключении приборов вместе с сопротивлением сети будет возрастать и низкочастотное электромагнитное поле. Это можно даже заметить визуально — экран монитора начинает дрожать.

Удлинитель с розетками или стабилизатор напряжения «Пилот» так же является потенциальным источником излучения. «Пилот» с разболтанными контактами (они портятся при постоянном включении-выключении устройств из сети) излучает больше.

Допустимые значения параметров неионизирующих ЭМ-излучений указаны в таблице 5. Визуальные эргономические параметры видеодисплейных терминалов и пределы их изменений указаны в таблице 6.

Таблица 5. Допустимые значения параметров неионизирующих электромагнитных излучений

Параметр	В диапазоне частот 5 Гц-2 кГц	В диапазоне частот 2-400 кГц
Напряженность электромагнитного поля на расстоянии 50 см вокруг ВДТ по электрической составляющей должна быть не более, В/м	25	2,5
Плотность магнитного потока должна быть не более, нТл	250	25
Поверхностный электростатический потенциал не должен превышать, В	500

Таблица 6. Пределы изменений визуальных эргономических параметров видеотерминалов

Наименование параметра	Минимальное значение	Максимальное значение
Яркость знака (яркость фона), измеренная в темноте, кд/м2.	35	120
Внешняя освещенность экрана, лк.	100	250
Угловой размер знака на экране, угл. мин.	16	60

Оптимальным диапазоном значений визуального эргономического параметра называется диапазон, в пределах которого обеспечивается безошибочное считывание информации при времени реакции оператора, превышающем минимальное, установленное экспериментально для данного типа ВДТ, не более чем в 1,2 раза. Допустимым диапазоном значений визуального эргономического параметра называется диапазон, при котором обеспечивается безошибочное считывание информации, а время реакции человека-оператора превышает минимальное, установленное экспериментально для данного типа ВДТ, не более чем в 1,5 раза.

4.3 Проблема освещенности и зрительные нагрузки

Большое значение при работе с ПК имеют визуальные параметры, такие как неравномерность яркости фона и знака, дрожание, мерцание и т. д. Одно из необходимых требований — это корреляция яркости фона экрана и внешней освещенности. Чем ярче фон, тем больше должна быть освещенность. У старых мониторов «садится» электронно-лучевая трубка, и яркость фона уменьшается. По санитарным нормам яркость не должна быть меньше 35 кд/м². Если она меньше, этот монитор лучше не использовать.

СанПиН запрещает располагать рабочие места с компьютерами в подвальных помещениях (без естественного освещения). В случае, если такого расположения требует технологический процесс, вопрос необходимо согласовать с органами санитарно-эпидемиологического надзора. Несоблюдение нормативов на визуальные параметры терминала может приводить к самым разным нарушениям зрения.

Операторы ПК подвержены риску проявления «компьютерного зрительного синдрома» (общепринятое сокращение – CVS). Фактически, CVS стал наиболее широко распространенной проблемой здоровья в мире, связанной с применением ЭВМ. Признаками проявления CVS является любой из следующих симптомов: напряжение глаз, головные боли, двоение изображение, усталые, красные или сухие глаза, временная близорукость, случайное «смазывание» изображений на экране, возрастающее раздражение глаз, изменение в цветовом восприятии. Неправильный выбор визуальных параметров дисплея и светового климата в помещении являются основными причинами CVS. Слабое зрение и зеркальные блики на экранах дисплеев интенсифицируют проявление CVS. Симптомы компьютерного зрительного синдрома несомненно влияют на зрение и производительность работы за компьютером. Важно отметить, что если у взрослых пользователей периодический отдых позволяет через некоторое время полностью восстановить зрительные функции, то у детей в возрасте до 14-15 лет CVS может привести к устойчивой потере зрения (близорукости).

4.4 Микроклимат в помещении

При работе с вычислительной техникой, из микроклиматических параметров особое значение имеет влажность воздуха. В сухом воздухе повышенные уровни электростатического поля возрастают еще больше. Под действием электростатического поля поляризуются частицы, которые «собирают» на себя микробы и пыль. У работающего может возникнуть аллергия, конъюнктивит, высыпание на коже.

4.5 Шум

Периферийное оборудование излучает меньше, чем монитор. Но здесь возникает такой нормируемый параметр, как шум. Норматив на шум для рабочего места, оснащенного принтером, составляет 70 дБА, а без принтера 50 дБА. 50 дБА соответствует работе радио «комнатной громкости». 70 дБА — это серьезный шум. С громкостью 70 дБА стучат машинки в машинописном бюро или движутся машины (исключая грузовики, тягачи, мотоциклы и строительные машины). Современные принтеры работают практически бесшумно, поэтому с новыми принтерами проблем обычно не возникает.

4.6 Физиологические факторы

Работа с компьютером, как правило, сопряжена с долговременным положением в одной, зачастую, неудобной позе. Перегружаются конечности: кисти рук (или одна из кистей, если человек плохо владеет клавиатурой), предплечья; немеет спина, шея. Длительное пребывание в «вынужденной позе» может привести к заболеваниям опорно-двигательного аппарата, таким как искривление позвоночника, остеохондрозы, тендовагиниты, артрозы и др.

Для их предотвращения, необходимо, во-первых, периодически менять положение корпуса, а во-вторых, создать опору для всех частей тела: для рук – подлокотники, для спины — спинка кресла, и т.д. Если имеется выдвижная доска и клавиатура отодвинута от края стола на 20-30 см (опора для предплечий), а для ног предусмотрена специальная подставка, нагрузка на опорно-двигательный аппарат будет меньше — и меньше будет вероятность развития подобных заболеваний. В СанПиН 2.2.2.542-96 четко указаны параметры офисной мебели. Рабочий стул должен быть подъемно-поворотным и регулируемым по высоте и углам наклона сиденья и спинки, а также по расстоянию спинки от переднего края сиденья. Руководство компаний обязано покупать качественную мебель — такую, где регулировка легко осуществима, а фиксация надежна. Использование стульев и кресел с полуоторванными спинками, таким образом, является нарушением нормативов. Наличие подставки для ног тоже обязательно — но во многих ли офисах вы видели такие подставки? Конструкция клавиатуры должна предусматривать опорное приспособление, позволяющее менять угол наклона ее поверхности в пределах от 5 до 15 градусов.

Так же, для устранения данных проблем, необходим режим труда. Через каждый час рекомендуется делать перерыв на 10 минут. Если перерывы делаются через два часа, их продолжительность надо увеличивать до 15-20 минут. То есть перерывы на чай и перекуры, обычные в российских организациях и учреждениях, являются вполне законными согласно санитарным нормам. Они должны предоставляться работнику независимо от его обеденного перерыва. Хорошо бы в это время проделать упражнения из производственной гимнастики, но, скорее всего, мало кто будет ими заниматься. В принципе, любое движение снимает некоторое напряжение с мышц.

Любая работа или деятельность, требующая фиксированной позы длительное время, может приводить к скелетно-мышечному дискомфорту. Уменьшить или даже полностью устранить такой дискомфорт можно правильным выбором конструкции рабочего места, применением регулируемой мебели (кресла, стола для дисплея, подставки для ног).

Некоторые люди, чья работа требует интенсивного применения клавиатуры, сообщают о болях в запястьях, предплечье и шее. Это заболевание мягких тканей, связано с повторяющимися движениями, фиксированным положением тела, неудобной позой и чрезмерной нагрузкой. Правильная установка дисплея и клавиатуры, а также соответствующее оборудование рабочего места должны минимизировать возможность заболеваний.

4.7 Пожарная и взрывопожарная безопасность

Пожарная опасность производственных зданий и помещений определяется особенностями выполняемого в них технологического процесса, свойствами применяемых веществ и материалов, а также условиями их обработки. По взрывопожарной и пожарной опасности помещения и здания подразделяют на категории А, Б, В, Г, Д. В целом категории взрывопожарной и пожарной опасности определяются путем последовательной проверки принадлежности помещения к категориям от высшей (А) к низшей (Д).

Пожарная профилактика - это комплекс организационных и технических мероприятий, направленных на обеспечение безопасности людей, на предотвращение пожара, ограничение его распространения, а также на создание условий для успешного тушения пожара.

Пожары в ВЦ представляют особую опасность, так как сопряжены с большими материальными потерями. Характерная особенность ВЦ - небольшие площади помещений. Как известно пожар может возникнуть при взаимодействии горючих веществ, окисления и источников зажигания. В помещениях ВЦ присутствуют все три основные фактора, необходимые для возникновения пожара. Горючими компонентами на ВЦ являются: строительные материалы для акустической и эстетической отделки помещений, перегородки, двери, полы, перфокарты и перфоленты, изоляция кабелей и др.

Источниками зажигания в ВЦ могут быть электронные схемы от ПЭВМ, приборы, применяемые для технического обслуживания, устройства электропитания, кондиционирования воздуха, где в результате различных нарушений образуются перегретые элементы, электрические искры и дуги, способные вызвать загорания горючих материалов.

В современных ЭВМ очень высокая плотность размещения элементов электронных схем. В непосредственной близости друг от друга располагаются соединительные провода, кабели. При протекании по ним электрического тока выделяется значительное количество теплоты. При этом возможно оплавление изоляции. Для отвода избыточной теплоты от ЭВМ служат системы вентиляции и кондиционирования воздуха. При постоянном действии эти системы представляют собой дополнительную пожарную опасность.

4.8 Заключение

Программисты, операторы ЭВМ подвергаются воздействию физически опасных и вредных производственных факторов. Таких, как отсутствие или недостаток естественного света, недостаточная освещенность рабочей зоны, электрический ток, статическое электричество, зрительные нагрузки, излучение и др.

Вредное воздействие факторов можно снизить или свести к минимуму с помощью различных мер, проводимых как самим пользователем ПК, так и обеспечивающем его рабочим местом начальством. Если на рабочем месте решить такие проблемы как отсутствие или недостаток естественного света, недостаточная освещенность рабочей зоны, электрический ток, статическое электричество, зрительные нагрузки, излучение и др. тогда работоспособность человека и производительность его труда резко увеличится.

Работодатель должен обеспечить оператора ПК:

1.       Не устаревшим, а по возможности самым современным оборудованием.

2.       Необходимым и достаточным освещением рабочего места.

3.       Увлажнителем воздуха.

4.       Удобной офисной мебелью, параметры которой описаны в разделе 4.6.

Рекомендации пользователям:

1.  Экран дисплея должен быть расположен так, чтобы Вы смотрели слегка вниз.

2.  Расположите экран дисплея под прямым углом к окнам и не прямо под источниками верхнего освещения для того, чтобы избежать бликов и отражений.

3.  Отрегулируйте яркость и контрастность экрана (если это возможно) до получения приятного Вами комфортного вида изображения.

4.  Выключайте монитор, когда Вы не используете его.

5.  Отрегулируйте свое кресло так, чтобы оно поддерживало Вашу спину и не оказывало давления на подколенный сустав в то время как Ваши ноги будут прочно расположены на полу или на подставке для ног.

6.  Положите свои рабочие материалы так, чтобы их легко было достать.

7.  Отрегулируйте клавиатуру так, чтобы Ваши руки были расслаблены и удобно расположены при работе.

8.  Расположите руки так, чтобы избежать перегибов запястья при нажатии на наиболее часто используемые клавиши.

9.  Пользуйтесь специальными принадлежностями – подставками для ладоней или запястий, подставками для ног и т. п.

10.     Время от времени переводите взгляд от экрана на удаленные объекты и обратно.

11.     Часто моргайте, чтобы защитить Ваши глаза от сухости.

12.     В течение дня вставайте и потягивайтесь или изменяйте сидячую позу.

13.     Сохраняйте экран дисплея чистым.

Заключение

Основным итогом дипломной работы является разработка нейронной сети, выполняющей задачу распознавания и обучения.

Для данной задачи:

1.       Изучен пакет Simulink программы Matlab;

2.       Изучена Адаптивно Резонансная Теория Гроссберга;

3.       Разработана Волновая Резонансная Теория;

4.       Разработана архитектура нейронной сети, удовлетворяющая поставленной задаче;

5.       Рассмотрены пять из существующих в настоящее врамя моделея нейронов;

6.       Разработана модель импульсного двухпорогового нейрона;

7.       Смоделирована нейронная сеть в пакете Simulink программы Matlab.

Выполнено организационно-экономическое обоснование проекта, по результатам которого получен расчет затрат на создание данного програмного продукта.

В разделе «Охрана труда и окружающей среды» разработаны требования к мониторам ПК для наибольшей работоспособности оператора.