Основным назначением системы распознавания образов является отыскание решения о принадлежности предъявляемых ей образов некоторому классу. Один из важных подходов к задаче  предполагает использование разделяющих функций. В условиях, когда мы обладаем лишь немногочисленными априорными сведениями о распознаваемых образах, при построении распознающей системы лучше всего использовать обучающую процедуру. На первом этапе выбираются произвольные разделяющие функции и затем в процессе выполнения итеративных шагов обучения эти разделяющие  функции доводятся до оптимального либо приемлемого вида.

     К определению разделяющих функций в настоящее время существует несколько подходов. В данной работе рассматриваются два из них, которые имеют соответствующие нейросетевые реализации. Первый из них - персептронный подход.

     В начале 60^х годов Минский, Розенблатт, Уиндроу и другие разработали сети, состоящие из одного слоя искусственных нейронов. Часто называемые персептронами, они были использованы для широкого класса задач, в том числе и искусственного зрения. Однако Минский и Пайперт [2] доказали, что используемые в то время однослойные сети теоретически неспособны решить многие простые задачи.

     Сети обратного распространения - наиболее успешный, по-видимому, из современных алгоритмов, преодолевает ограничения, указанные Минским. Обратное распространение является систематическим методом для обучения многослойных сетей.

Применение аппарата нейронных сетей для решения различных задач науки и техники обусловлено огромными потенциальными возможностями, этих технологий. Существуют задачи, решение которых просто невозможно аналитическими методами, а нейросети успешно с ними справляются. Даже в том случае, если можно найти решение при помощи уже изученных алгоритмов, нейронные сети порой позволяют сделать то же самое быстрее и более эффективно.

В данном дипломе рассматривается задача, возникающая при сейсмическом мониторинге, –классификация сейсмических сигналов по типу источника, т.е. определение по записанной сейсмограмме землетрясений или взрывов. Несмотря на то, что для ее решения, в настоящее время успешно применяются методы статистического анализа, продолжается поиск более эффективных алгоритмов, которые бы позволили проводить классификацию точнее и с меньшими затратами. В качестве таких методов предлагается использовать аппарат нейронных сетей.

Основная цель дипломной работы – исследовать возможность применения нейронных сетей для идентификации типа сейсмического сигнала, выяснить, насколько данное решение будет эффективным в сравнении с уже используемыми методами.

Первая глава посвящена описанию основных положений теории нейронных сетей, а также областям науки и техники, в которых эти технологии нашли широкое применение.

Последующие два раздела предназначены формализовать на математическом уровне задачу классификации сейсмических сигналов и способе ее решения на основе статистических методов.

Обзор различных архитектур нейронных сетей, предназначенных для решения задачи классификации, их основные положения, достоинства и недостатки, а также методы предварительной подготовки данных приведены в разделах 4 и 5.

В шестой разделе говорится непосредственно о нейросетевом решении рассматриваемой задачи, построенном на основе известной, и часто используемой парадигмы – многослойного персептрона, детально обсуждаются основные алгоритмы обучения, выбора начальных весовых коэффициентов и методы оценки эффективности выбранной модели нейронной сети.

Трудно  представить себе область нашей повседневной жизни, где бы не было места для компьютеров и различной автоматизации с их использованием. Там где раньше использовалась пишущая машинка, калькулятор и другие средства автоматизации труда сейчас на смену им пришел компьютер. В последние годы темпы продвижения компьютерных технологий в различные области знаний, производства, торговли, частной жизни человечества  особенно высоки.

Одной из первостепенных задач, решаемых с помощью компьютеров, является автоматизация получения различных тестовых документов. Насколько проще для человека, имеющего навыки работы с компьютером, создать и распечатать текст с его использованием  по сравнению с той же самой работой на печатной машинке? Ответ очевиден. Преимущества компьютерной подготовки текста по сравнению с ранее существовавшими неоспоримы. Это и возможность корректировки уже существующего текста, создание различных шаблонных документов, автоматизированное форматирование, всевозможные средства подгонки текста под стандартные форматы листов, визуальное представление будущего документа на мониторе компьютера и  многое другое. Все эти возможности попадают в руки конечного пользователя через использование специализированных программ, называемых текстовыми редакторами или текстовыми процессорами. Именно такого рода программам и будет уделено особое внимание в процессе разработки интересующей меня темы использования компьютера при подготовке текста.

 Текстовые редакторы – это программы для создания и редактирования (подготовки) текстовых документов. Это письма, статьи, справки, повести или романы и прочая информация, именуемая текстовый документ, текстовый файл или просто текст.

Что такое редактирование текста? Это то, что мы привыкли понимать в обиходном значении этого слова – весь комплекс операций по внутренней (смысловой) и внешней (оформительской) работе над текстом. Каждый текст можно «кроить», т.е. вырезать из него куски, «склеивать» их, вставлять в рабочий материал части из других текстов, менять их местами и пр. Можно изменять расположение текста на странице, формат строк и абзацев, вставлять в текст иллюстрации (рисунки, графики, схемы и пр.).

На сегодняшний день в мире существует более 150 миллионов компьютеров и более 80 % из них объединены в различные информационно-вычислительные сети от малых локальных в офисах до глобальных типа Internet. Всемирная тенденция к объединению компьютеров в сети обусловлена рядом важных причин, таких как ускорение передачи информационных сообщений, возможность быстрого обмена информацией между пользователями, получение и передача сообщений (факсов, Е - Mail писем и прочего) не отходя от рабочего места, возможность мгновенного получения любой информации из любой точки земного шара, а так же обмен информацией между компьютерами разных фирм работающих под разным программньм обеспечением.

Между собой вычислительные сети объединяются различными устройствами, такими как мосты, коммутаторы, шлюзы и маршрутизаторы. Из всех перечисленных устройств маршрутизаторы обладают наиболее полным набором функций для обеспечения эффективного межсетевого взаимодействия (сбор информации о топологии межсетевых соединений, изоляция трафика отдельных частей сети друг от друга, выбор наиболее рационального маршрута из нескольки возможных, способность связывать в единую сеть подсети, построенные с использованием различных сетевых технологий, например Ethernet и Х.25 и др.). Такие потенциальные возможности, которые несут в себе маршрутизаторы и тот новый потенциальный подъем, который при этом испытывает информационный комплекс, а так же значительное ускорение производственного процесса не дают нам право не принимать это к разработке и исследованию и не применять их на практике.