Geum.ru

Курсовая работа по дисциплине " Основы систем искусственного интеллекта" Тема: Опыт успешного применения нейронных сетей для различных задач спзкр. 99314 01 81 01

Вид материалаКурсовая
IV. Применение нейросетевых технологий в социологических процессах
4.3.1. Содержательная постановка задачи
Подобный материал:
1   2   3   4   5

IV. Применение нейросетевых технологий в социологических процессах

4.1. Моделирование и управление процессом формирования личностных качеств студентов с применением нейросетевых технологий

Исходные данные для моделирования процессов формирования личностных качеств студента приняты из исследований, проведенных в Донбасской государственной машиностроительной академии в 2001-2002 гг. О.А.Медведевой в группах специальностей "Технология машиностроения", "Менеджмент организаций" и "Экономическая кибернетика" 1-4 курсов [12]. В этих данных использованы только средние значения экспертных оценок отдельных ценностей человека так, как их воспринимает студент указанной группы. В соответствие им поставлены значения показателей тех же самых студенческих групп, в определенной мере характеризующих физиологическую составляющую группы студентов. Это такие показатели, как: пол, экспертная оценка материального положения студента, количество студентов, группы, посещающих те или иные виды спортивных занятий - ГСС (группы спортивного совершенствования), абонементные спортивные секции, специальные медицинские группы, группы лечебной физкультуры. Также, использованы результаты гостестирования студенческих групп.

В основу принятого подхода к моделированию положен следующий принцип, отраженный системой уравнений.


С
точки зрения системного подхода это описание многосвязной системы (системы, имеющей множество внутренних связей), независимо формирующей выходные показатели, в то же время являющиеся аргументами других выходных показателей. То есть модель представляет собой гомеостат, в котором поддерживается равновесие, когда выходы, формирующие значения одних показателей системы, являются входами, определяющими значения других ее показателей.

На этом этапе был применен математический аппарат моделирования объектов на основе нейроподобных элементов. Особенностью применения этого аппарата является выявление значимых связей между показателями в частных моделях, а затем объединение этих частных моделей в единую комплексную. Выбор такого аппарата моделирования был продиктован следующими соображениями. Во-первых, моделирование на основе нейроподобных элементов выполняется путем обучения модели т.е. настройки ее весовых коэффициентов таким образом, чтобы после ее обучения по данным обучающей выборки модель могла безошибочно распознавать тестовое множество исходных данных. Во-вторых, нелинейность активационных функций таких моделей позволяет считать, что рассматриваемая математическая комплексная модель будет находиться в состоянии равновесия, то есть наиболее вероятного сочетания значений показателей модели.

Не останавливаясь на всех этапах создания такой модели отметим, что полученная комплексная модель реализована в среде MATLAB R12. Общий вид комплексной модели показан на следующем рисунке:






Рис.1 - Комплексная модель формирования личностных качеств студентов


Как видно из рисунка, сформированная комплексная модель находится в состоянии равновесия только тогда, когда система входов и выходов назначена в том виде, в котором представлена на рисунке.

Исследования, связанные с реализацией построенной модели показывают, что ценности формируются моделью с определенной степенью значимости, то есть степенью влияния на другие показатели модели.

П
росуммировав значимости показателей ценностей для всех частных моделей, входящих в комплексную, можно проранжировать эти ценности так, как это показано на столбчатой диаграмме (рис.2)


Рис.2. Диаграмма значимостей ценностей для обеспечения баланса комплексной модели


Как видно из последней диаграммы, значимость ценностей позволяет определить их приоритеты для рассматриваемой совокупности студентов.


4.2. Использование нейронных сетей при изучении процесса приспособляемости студенчества к вузовскому обучению

С помощью нейронных сетей исследуем нелинейный процесс социально-психологической адаптации студентов [13]. Под адаптацией понимают "процесс приспособления системы к условиям внешней и внутренней среды" [13.3]. Социально-психологическую адаптацию студента мы будем рассматривать как процесс вовлечения его в учебные и внеучебные мероприятия, проводимые в вузе, в единстве с реализацией благоприятного общения.

При построении модели были использованы результаты анкетирования студентов вузов Центрального региона России [13.1], которое охватило 733 респондента различных вузов, факультетов и студенческих групп.

В соответствии с определением социально-психологической адаптации из анкеты отобраны три группы вопросов, характеризующие отношение каждого опрошенного по:

    1. вовлеченности в учебную работу;
    2. вовлеченности во внеучебную работу;
    3. эмоциональному самочувствию.

Далее выбрана архитектура нейронной сети и построена общая модель адаптации. Оценка плотности вероятности по имеющимся данным относится к области байесовой статистики, где правильность модели оценивается по имеющимся достоверным данным. Поэтому в качестве средства прогнозирования процесса адаптации студентов выбраны Сети Байеса.

Полученная нейросетевая модель представляет собой не формулы, а программу, содержащую информацию о количестве и расположении характеристик и связей между ними. Пакет Neural Connection 2.0. позволяет строить трехмерные графики в виде поверхностей и исследовать зависимость выходов от входов попарно. Это помогает полнее интерпретировать результат.

В результате исследования сформулированы следующие выводы:

1. Зависимость вероятности адаптации студента от вовлеченности в учебу и во внеучебные мероприятия носит нелинейный характер.
  1. Анализ влияния вероятности адаптации студента от вовлеченности в учебу и его эмоционального самочувствия показал, что хорошее эмоциональное самочувствие в большей степени влияет на адаптацию студента, чем вовлеченность его во внеучебные мероприятия.
  2. При благоприятном эмоциональном самочувствии даже незначительные неудачи во внеучебных мероприятиях практически не снижают вероятность адаптации студента.

Таким образом, в результате проведенного исследования разработана топология нейронных сетей, позволяющая прогнозировать процесс адаптации студентов вузов, рассмотрены характеристики компонентов социально-психологической адаптации и их взаимное влияние на процесс адаптации.

    1. Прогнозирование результатов выборов

Данная задача стала классической для демонстрации работы нейросетевого классификатора. Она компактна, значения всех обучающих параметров представляются в форме "Да-Нет",

основана на реальных данных и дает хороший результат [2].

4.3.1. Содержательная постановка задачи

Рассмотрим использование нейроимитатора на примере предсказания итогов выборов президента США.

Формируются следующие вопросы.
  1. Правящая партия у власти более 1 срока?
  2. Правящая партия получила больше 50% на прошлых выборах?
  3. В год выборов была активна третья партия?
  4. Была серьезная конкуренция при выдвижении кандидата от правящей партии?
  5. Кандидат от правящей партии был президентов в год выборов?
  6. Был ли год выборов временем спада или депрессии?
  7. Был ли рост среднего национального валового продукта на душу населения более 2,1%?
  8. Произвел ли правящий президент существенные изменения в политике?
  9. Во время правления были существенные социальные волнения?
  10. Администрация правящей партии виновна в серьезной ошибке или скандале?
  11. Кандидат правящей партии - национальный герой?
  12. Кандидат оппозиционной партии - национальный герой?

Обучающая выборка состоит из 31 примера, каждый из которых представляет ситуацию

выборов, начиная с 1864 г. (табл. 1), где ответы "Да" обозначены единицами, а ответы "Нет" - нулями.

Класс 1 означает, что в данной ситуации был избран кандидат правящей партии, класс 2 - кандидат оппозиционной партии. После обучения сеть должна предсказать ответ для ситуации, отраженной в таблице 2, которая не входила в обучающую выборку (когда производились эксперименты, результат выборов 1992 г. еще не был известен).

Таблица 1 Обучающая выборка для прогнозирования результата выборов президента США

№
Год
Класс
Обучающие параметры

1
2
3
4
5
6
7
8
9
10
11
12

1
1864
1
0
0
0
0
1
0
0
1
1
0
0
0

2
1868
1
1
1
0
0
0
0
1
1
1
0
1
0

3
1872
1
1
1
0
0
1
0
1
0
0
0
1
0

4
1880
1
1
0
0
1
0
0
1
1
0
0
0
0

5
1888
1
0
0
0
0
1
0
0
0
0
0
0
0

6
1900
1
0
1
0
0
1
0
1
0
0
0
0
1

7
1904
1
1
1
0
0
1
0
0
0
0
0
1
0

8
1901
1
1
1
0
0
0
0
0
1
0
0
0
1

9
1916
1
0
0
0
0
1
0
0
1
0
0
0
0

10
1924
1
0
1
1
0
1
0
1
1
0
1
0
0

11
1921
1
1
1
0
0
0
0
1
0
0
0
0
0

12
1936
1
0
1
0
0
1
1
1
1
0
0
1
0

13
1940
1
1
1
0
0
1
1
1
1
0
0
1
0

14
1944
1
1
1
0
0
1
0
1
1
0
0
1
0

15
1948
1
1
1
1
0
1
0
0
1
0
0
0
0

16
1956
1
0
1
0
0
0
0
0
0
0
0
1
0

17
1964
1
0
0
0
0
1
0
1
0
0
0
0
0

18
1972
1
0
0
0
0
1
0
1
0
1
0
0
0

19
1860
2
1
0
1
1
0
0
1
0
1
0
0
0

20
1872
2
1
1
0
1
0
1
0
0
0
1
0
0

21
1884
2
1
0
0
1
0
0
1
0
1
0
1
0

22
1892
2
0
0
1
0
1
0
0
1
1
0
0
1

23
1896
2
0
0
0
1
0
1
0
1
1
0
1
0

24
1912
2
1
1
1
1
1
0
1
0
0
0
0
0

25
1920
2
1
0
0
1
0
0
0
1
1
0
0
0

26
1932
2
1
1
0
0
1
1
0
0
1
0
0
1

27
1952
2
1
0
0
1
0
0
1
0
0
1
0
1

28
1960
2
1
1
0
0
0
1
0
0
0
0
0
1

29
1968
2
1
1
1
1
0
0
1
1
1
0
0
0

30
1976
2
1
1
0
1
1
0
0
0
0
1
0
0

31
1980
2
0
0
1
1
1
1
0
0
0
1
0
1


Таблица 2. Пример выборной ситуации в США в 1992 г. (Буш - Клинтон)

32
1992
?
нет
да
да
да
да
да
нет
да
да
да
нет
нет