В течение последних 15 лет нейронные сети получили широкое распространение и множество различных применений: предсказание показателей биржевого рынка, прогнозировании экономических индексов, медицинская диагностика, автоматизация управления, решение задач оптимизации, прогнозирование рисков и др. Для работы с нейронными сетями необходим аппаратный или программный симулятор нейронных сетей.
В настоящее время известно большое количество симуляторов нейронных сетей, выпускаемых рядом фирм и отдельными исследователями и позволяющих конструировать, обучать и использовать нейронные сети для решения практических задач.
Существующие решения можно разделить на три группы:
1. Надстройки для программ прикладных вычислений, такие как:
-
Matlab_Neural_Network – набор нейросетевых расширений для пакета прикладных вычислений Matlab.
Разработчик: MathWorks, Inc.
-
Statistica_Neural_Networks – набор нейросетевых расширений для пакета прикладной статистики Statistica.
Разработчик: StatSoft, Inc.
-
Excel_Neural_Package – набор библиотек и скриптов для электронных таблиц Excel, реализующие некоторые возможности нейросетевой обработки данных.
Разработчик: ООО «НейрОК»
2. Универсальные нейросетевые пакеты:
-
NeuroSolutions – нейропакет предназначен для моделирования широкого круга искусственных нейронных сетей.
Разработчик: NeuroDimension, Inc.
-
NeuroPro – менеджер обучаемых искусственных нейронных сетей.
Разработчик: Институт вычислительного моделирования СО РАН, Красноярск. Россия; Царегородцев В. Г.
-
NeuralWorks – нейропакет, в котором основной упор сделан на применение стандартных нейронных парадигм и алгоритмов обучения.
Разработчик: NeuralWare, Inc.
3. Специализированные:
-
Neuroshell Trader – самая известная программа создания нейронных сетей для анализа рынков.
Разработчик: Ward Systems Group, Inc.
-
Глаз – используется для обработки аэрокосмической информации.
Разработчик: НейроКомп
К недостаткам первых можно отнести:
-
высокую стоимость самой среды, в которую включены функции, которые очень маловероятно понадобятся при работе с нейронной сетью. -
необходимость приобретения самой надстройки. -
для взаимодействия с пользователем используется интерфейс среды, который не всегда удобно использовать для работы с нейронными сетями.
Вторые имеют более специализированный интерфейс, но, как и первые стоят немалых денег, имеют много функций, и сложны для освоения.
Основным недостатком последних является то, что они предназначены для решения только конкретного класса задач, или только для решения конкретной задачи. Причем зачастую методы решения данных задач определяет сам разработчик.
Существуют также разработки отдельных авторов, распространяемые бесплатно, но каждая из них имеет один или несколько из нижеперечисленных недостатков:
- неудобный интерфейс.
- сильно урезанная функциональность.
- нестабильность в работе.
- невозможность модификации заложенных алгоритмов.
Таким образом, была поставлена цель – разработать симулятор нейронных сетей, который можно было бы использовать в учебном процессе, и который бы отвечал следующим требованиям:
1. Простота в использовании.
2. Наглядность.
3. Доступность.
4. Универсальность.
5. Возможность расширения функциональности для проведения различных исследовательских работ.
В результате была создана программа «Нейросимулятор», которая представляет собой полноценный симулятор полносвязных нейронных сетей [2].
Нейросимулятор обладает простым, интуитивно-понятным, настраиваемым, удобным интерфейсом. Каждое действие снабжено пиктограммой и кратким пояснением.
При задании структуры сети она в реальном времени отображается в графическом виде. Каждая функция активации снабжена окном конфигурации, на котором приводиться её формула, график. В этом же окне можно настроить параметры функции, при их наличии. Это же относится к функциям начальной инициализации весов и к функциям предобработки данных. 
Нейросимулятор имеет небольшой размер, не требует установки, не требователен к аппаратным и программным ресурсам компьютера. Распространяется бесплатно, или за символическую сумму.
За счёт поддержки технологии COM функции Нейросимулятора могут быть расширены за счёт подключения дополнительных модулей, и сам он может быть использован в сторонних программах для добавления в них поддержки нейронных сетей.
В программе также присутствуют средства автоматизированного анализа данных, такие как: определение значимости параметров и обнаружение выбросов в обучающей выборке [3].
После обучения сети функцию, которую смоделировала сеть можно вывести в символьном виде, для исследования или использования в расчетах.
Таким образом, несмотря на простоту всю простоту, Нейросимулятор обладает достаточным может быть применён не только в образовательных целях, но и в исследовательских и практических задачах [1].
Нейросимулятор стал инструментом выполнения многих курсовых и дипломных работ, выполняемых в 4-х пермских вузах.
Также он войдёт в комплекс лабораторных работ, который станет приложением к методической части учебника по преподаванию дисциплины ИИ в школах.
Список литературы.
-
Ясницкий Л.Н. Пермская школа искусственного интеллекта и её инновационные проекты / Кол. авт.: Л.Н. Ясницкий, В.В. Бондарь, С. Н. Бурдин,…, Ф.М.Черепанов и др.; под ред. Л.Н. Ясницкого; Перм. отд-ние Научн. совета РАН по методологии искусственного интеллекта; Перм. гос. ун-т.; Перм. Гос. Пед. Ун-т.; Перм. Гос. Техн. Ун-т; Группа компаний ИВС. – Москва-Ижевск: Ижевский институт компьютерных исследований, НИЦ «Регулярная и хаотическая динамика», 2008. – 76 с.: ил. – 2-е изд.,доп. -
Черепанов Ф.М., Ясницкий Л.Н. Симулятор нейронных сетей «Нейросимулятор 1.0». // Свидетельство об отраслевой регистрации разработки №8756. Зарегистрировано в Отраслевом фонде алгоритмов и программ 12.07.2007. -
Черепанов Ф.М., Ясницкий Л.Н. Нейросетевой фильтр для исключения выбросов в статистической информации // Вестник Пермского университета. Математика. Механика. Информатика. – Пермь: Изд. Пермского ун-та, 2008. – Вып.4 (20). – С.151-155.