WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

загрузка...
   Добро пожаловать!

Pages:     | 1 |   ...   | 11 | 12 || 14 | 15 |   ...   | 22 |

(3)

Это равенство совместнос допущением об эквивалентности двух паркоэффициентов даёт объединение двухмоделей, полученных в [6] и [7], т.е.

(4)

где h(t)– скоростьвыдачи информации,

r – коэффициент сопротивлениядидактическому процессу,

f – коэффициент забывания,

с – коэффициент умозаключения,

U – доля времени, отведённая нанакопление знаний,

S – нормированное количествоинформации (0<S<1),

x - нормированныйобъём накопленных знаний (0<x<1),

y – нормированный объём накопленныхумений (0<y<1).

Исключая S из системы (4),получим двухклассовую модель («знай иумей») управления обучением с векторомсостояния (x,y) и вектором обучения(h,U):

(5)

Решая третье уравнениесистемы (5), получим инвариантноемногообразие в фазовом пространствесинергетического метода управлениясложными системами [5], в котором связаныкоординаты состояния и управления,т.е.

(6)

где -произвольные постоянные.

Интерес представляетчастный случай, при котором скоростьвыдачи информации постоянна, а уравнение (6) после интегрированияпринимает вид:

,

откуда следует

(7)

Тогда подстановка (7) впервое уравнение (5) приводит задачууправления к аналитическомуконструированию скалярного регулятора[5].

Нейросетеваяреализация синергетической моделиуправления

Так как теориясинергетического управления являетсясовременной концепцией синтеза и анализасистем управления многомерныминелинейными объектами в динамическихсистемах, а одним из универсальных средствформирования управляющих воздействийявляются нейронные сети, то перспективнымявляется объединение концепцийсинергетического и нейросетевогоуправления в динамических системах [8].

Основной цельюнейросетевой реализации являетсявоспроизведение на выходе обучаемой вреальном времени нейросети управления (7).Аппроксимацию нелинейных непрерывныхфункций, к которым принадлежит и (7) можновыполнить с помощью двухслойной нейросети.Для того, чтобы сконструировать алгоритмобучения нейросети, обеспечивающийтребуемое качество процесса на выходе,совместив динамические процессыуправления нелинейным объектом инастройки многослойной сети, можноиспользовать стандартный алгоритмобратного распространения ошибки,подбирая функцию обобщённой ошибкиобучения. В общем случаесинтез структуры и алгоритмов обучениявключает выбор архитектуры сети,функционала обучения и цели управления,составление расширенной системыдифференциальных уравнений, выборобобщённой ошибки обучения и синтез алгоритмауправления.

На основе соотношения (7)можно определить, что управление обученияв виде оптимального соотношения междузнаниями и умениями для каждого обучаемогоопределяется пятью параметрами:. Поэтому в качестве элементоввходного слоя рассмотрим эти пятьпеременных. Структура трёхслойнойнейросети показана на рис.1.

Рис.1 Структура нейроннойсети управления

При определенииколичества нейронов промежуточного слоябыло применено эвристическое правило [9], наоснове которого это количество равняетсяполовине суммарного количества входов ивыходов. Функцией активации выбранагиперболическая тангенциальная. Вкачестве обучающей функции выбранафункция, реализующая метод обратногораспространения (алгоритмЛевенберга–Марквардта), которая обеспечиваетмаксимальное быстродействие.

Практическаяреализация

Существует большоеколичество программных продуктов,реализующих нейросетевую архитектуру.Простым и доступным является пакет NeuralNetworks Toolbox (нейронные сети) математическойсистемы MATLAB, разработанной фирмой MathWorks. Всостав пакета входит специальная функцияNEWFF для создания многослойных нейронныхсетей прямой передачи с заданнымифункциями обучения и настройки, которыеиспользуют метод обратногораспространения ошибки [9]. Рассмотрим напримере применение данной функции дляреализации нейросетевого управлениясинергетической моделью обучения.

Для уменьшенияразмерности в приведённом примереограничимся рассмотрением двух векторовпараметров моделей обучаемых. Исходныеданные для моделирования и обучениямногослойной нейросети приведены втаблице 1.

Исходные данные Таблица1.

К входным аргументамфункции newff относятся: массив входа P,строки которого представляют собойразличные варианты значе-ний параметровмодели обучаемого,полученные на основе опроса экспертов;вектор целей T; информация о структуреслоёв сети; минимальные и максимальныезначения для R векторов входа. Зададимследующие обучающиепоследовательности:

P=[0.1 0.2; 0.2 0.3; 0.3 0.4; 20 25; 50 30];T=[0.3 0.4];

Архитектура нейроннойсети: трёхслойная сеть с прямой передачейсигнала; первый слой – 5 нейронов, второй (скрытый) слой– 3 нейрона;выходной слой – 1 нейрон. Функции активации первогои второго слоёв – сигмоидальная нелинейная функциягиперболического тангенса tansig, третьегослоя –линейная тождественная purelin. Тогдаформирование многослойной нейронной сетиимеет вид:

net=newff([0 1; 0 1; 0 1; 20 80; 0 100], [53 1], {‘tansig’,’tansig’,’purelin’});

gensim(net);

Выполним моделированиесети, определим вектор выходных значений Yдля каждого из вариантов входных данных ипостроим график выхода:

Y=sim(net,P);

plot(T,Y)

Рис.2 График соответствиявыхода и цели

Обучим сеть в течение 50циклов:

net. trainParam.epochs = 50;

net=train(net,P,T);

Рис.3 График обучениянейронной сети

Характеристикаточности обучения показана на рис.2;установившаяся среднеквадратичная ошибкасоставляет приблизительно.

Выполним моделированиесформированной трёхслойной сети,используя обучающую последовательностьвхода:

Y=sim(net,P);

plot(T,Y);

Результатымоделирования показаны на рис.4, гдеверхняя линия соответствует соотношениюмежду выходами и целями после обучения, аверхняя –соответственно до обучения, исвидетельствуют о хорошем отображениивходной последовательности в выходнуюпоследовательность.

Рис.4 Графикисоответствия выхода и цели до и послеобучения

Выводы

Таким образом,построена и обучена нейронная сеть, наоснове которой можно получить значениедоли времени, отведённой на накоплениезнаний, что соответствует определениюсоотношения между формированием знаний иумений для каждого конкретного обучаемого.Особенностью предложенной схемыуправления является синергетическийподход, основанный на учёте внутреннегоразвития объекта управления при выбореобучающих воздействий. Дальнейшимразвитием данной модели являетсядополнение механизма формированияиндивидуальной последовательностиобучающих воздействий расширениеммногообразия за счёт учёта системымежпредметных связей, их влияния насистему компетенций.

Литература

  1. Вакарчук І. Якість освіти і вільнатраєкторія студента//Українська правда,28.04.09.
  2. Беспалько В.П. Образование иобучение с участием компьютеров(педагогика третьего тысячелетия). – М.: МПСИ, 2002. – 352 c.
  3. Гриценко В.И.Информационно-коммуникационныетехнологии в образовании для всех – в ракурсе проблемобщества знаний. – К.: МННЦ ИТ и С НАНУ и МОН, 2007. - 28с.
  4. Півняк Г., Салов В. Стандарти вищоїосвіти у контексті Болонської декларації//Освіта України. – 2004. - №42-43. – 2 червня – с.6.
  5. Потеев М.И. Практикум по методикеобучения во ВТУЗах. - М.: Высшая школа, 1990.– 127 с.
  6. Орлов А.И. Менеджмент. Учебник. М.:Издательство "Изумруд", 2003. - 298 с.
  7. Колесников А.А.Синергетическиеметоды управления сложными системами:теория системного синтеза. М.:УРСС. – 2006. - 240с.
  8. Терехов В.А. Нейросетевые системыуправления. –М.: ВШ, 2002. – 183с.
  9. Медведев В.С., Потёмкин В.Г. Нейронныесети. Matlab6. – М.:ДИАЛОГ-МИФИ, 2002. – 496 с.

SOFTWARE FOR PSYCHOLOGICAL EXPERIMENTAL RESEARCH

Miroshnikov Sergey, Filippova Margarita,Chernov Roman

Saint-Petersburg State University,Russia

There are several directions of developingsoftware at the psychology department of the Saint-Petersburg State University.Informational system “Experimental Research in the Psychology” is designedfor conducting many>

ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕЭКСПЕРИМЕНТАЛЬНЫХ ИССЛЕДОВАНИЙ ВПСИХОЛОГИИ

Мирошников С.А.,Филиппова М.Г., Чернов Р.В.

Санкт-ПетербургскийГосударственный Університет, Россия

Представлены нескольконаправлений разработки программногообеспечения на факультете психологииСанкт-Петербургского государственногоуниверситета. Информационная система«Экспериментальные исследования впсихологии» направлена на реализацию рядаклассических и новых психологическихэкспериментов в учебных иисследовательских целях, в том числе напроведение экспериментов с нейросетевымии осцилляторно-полевыми когнитивнымимоделями. Эта же система обеспечиваетпроведение исследований с использованиемсложных видов стимуляции человека имоделей для изучения осознаваемых инеосознаваемых компонентов восприятия.Другим направлением разработки являетсяинструментальное обеспечениепсиходиагностической и консультативнойработы психологов.

Одним из существенныхкомпонентов, определяющих эффективностьсистемы очного и дистантного обученияпсихологов, является программноеобеспечение для проведения учебныхзанятий и исследований. Такое программноеобеспечение разрабатывается на факультетепсихологии СПбГУ по несколькимнаправлениям: реализация классических иновых психологических экспериментов,психодиагностика, когнитивноемоделирование, инструментальноеобеспечение прикладной работы психологови смежных специалистов вспециализированных учреждениях. Все этинаправления представлены и всоответствующих учебных дисциплинах, такчто студенты и аспиранты имеют возможностьсамостоятельно проводить значительнуючасть соответствующих практическихзанятий на персональном компьютере, чтоособенно важно в случае заочного идистантного обучения.

Основными целямиразработки информационной системы«Экспериментальные исследования впсихологии», была разработка средствпрограммной реализации рядаэкспериментов, широко используемых вучебном процессе, но требующих большихвременных или других ресурсов припроведении в бланковой или иной физическойформе. Реализация этих экспериментов ввиде автоматизированной компьютернойсистемы обеспечивает повышениеэффективности учебного процесса за счетсокращения времени на подготовку иувеличения возможностей студентов поуправлению экспериментом, повторению его сразными испытуемыми в разных условиях,анализу собираемых данных. Например, в этойсистеме реализованы такие эксперименты,как наблюдение фи-феномена – с возможностьюизменения количества стимулов,межстимульного интервала, длительности ихпредъявления, а также цвета стимулов ифона; простая и сложная сенсомоторнаяреакция, реакция на движущийся объект,реакция отмеривания времени (с получениемколичественных показателей по всем видамреакций и их интерпретации на основесобранных ранее статистических данных),корректурные пробы, таблицы Шульте и ихмодификации, теппинг-тест, методикиисследования прайминг-эффекта и др.Настоящая разработка выполняется прифинансовой поддержке РГНФ в рамках проектасоздания информационных систем РГНФ(проект № 08-06-12117в, руководитель С.А.Мирошников), и представлена на сервереСПбГУ по адресу expsy.pu.ru, с которогоразработанное программное обеспечениепредоставляется всем заинтересованнымВУЗам.

Кроме обеспеченияучебного процесса, разработка даннойсистемы направлена на реализацию рядаисследований, проводящихся на факультетепсихологии и в сотрудничающихорганизациях. Одним из такихисследовательских проектов являетсяизучение осознаваемых и неосознаваемыхкомпонентов восприятия многозначныхизображений, осуществляемое при поддержкеСовета по грантам Президента РоссийскойФедерации (№ проекта МК-3531.2008.6,руководитель М.Г. Филиппова). В этомисследовании изучаются интерференционныеэффекты, являющиеся следствиемнеосознания одного из значенийдвойственности. Его результатысвидетельствуют о семантическомотвержении неосознаваемых значенийиспытуемыми, что отражается в их тенденции«не узнавать» хорошо известные слова, еслиэти слова связанны с неосознанными имиранее значениями. Для описания этогофеномена в когнитивной психологиисуществует термин «негативный выбор»,который, согласно ее автору, профессору В.М. Аллахвердову, происходит в том случае,если воспринимаемые факты противоречатсозданной в сознании картине мира. Анастоящее исследование демонстрирует, чтонегативный выбор предполагает такжепроцесс удержания «незамеченных» значенийв неосознаваемом состоянии, чтосопровождается интерференционнымиэффектами при параллельном осуществлениисознательной деятельности.

Для обеспеченияучебного процесса в составразрабатываемой информационной системытакже включена электронная хрестоматия,предназначенная для предоставленияинформации о включенных в системуклассических и новых экспериментальныхметодиках.

Одним из последнихдополнений в данную систему стал блоккогнитивного моделирования,предназначенный для проведенияэкспериментальных исследований иподготовки технического обеспеченияучебного процесса по темам, связанным сизучением подходов к моделированию впсихологии.

Pages:     | 1 |   ...   | 11 | 12 || 14 | 15 |   ...   | 22 |






© 2011 www.dissers.ru - «Бесплатная электронная библиотека»