Исследование применения алгоритмов инициализации весов нечеткого многослойного персептрона при решении задачи прогнозирования

Abstract

Целью данной выпускной квалификационной работы магистра является исследование влияния инициализации весов скрытого и выходного слоев многослойного и нечеткого многослойного персептронов, осуществленной с помощью различных алгоритмов глобальной оптимизации, на прогнозирующие способности нейронной сети. Разработана автоматизированная система, в которой реализованы: - нейронные сети: многослойный персептрон и нечеткий многослойный персептрон; - алгоритмы глобальной оптимизации: метод имитации отжига, метод роя частиц, генетический алгоритм и модифицированный алгоритм муравьиной колонии; - подсчет ошибки обучения нейронной сети с помощью коэффициента несовпадения Тейла. Для обучения и тестирования сети используются данные о курсе золота с 1 января 1950 года по 1 июля 2014 года. Всего 774 записи за каждый месяц. Система реализована с помощью средств языков программирования Kotlin в среде разработки Intellij Idea 2018 и TypeScript в среде разработки Visual Studio Code.