Скачать учебники

Тикунов В. С. Геоинформатика. Программное обеспечение. Программа ScanEx-NeRIS Модуль Arc-SDM для ArcView

Скачать полную версию учебника (с рисунками, формулами, картами, схемами и таблицами) одним файлом в формате MS Office Word Скачать книгу

Программное обеспечение. На рынке программного обеспечения в настоящее время имеется множество самых разнообразных программ для моделирования нейронных сетей. Поиск в Интернете дает сотни ссылок на зарубежные и российские сайты. Можно выделить несколько основных функций, которые реализованы во всех этих программах:
• формирование, конструирование нейронной сети;
• обучение нейронной сети;
• имитация функционирования (тестирование) обученной нейронной сети.

С точки зрения компьютерной технологии и программных интерфейсов они опираются на современные стандарты — от простых программ, ориентированных на платформу Unix с текстовым интерфейсом, до сложных модульных продуктов, базирующихся на последних технологических решениях от Microsoft.

Интегрированные решения на основе ГИС и нейронных сетей пока представлены слабо, несмотря на то, что повышение функциональной мощности геоинформационных пакетов за счет интеграции специальных модулей расширения или ГИС-приложений — одна из важнейших черт современных геоинформационных систем. Проблема интеграции нейронных сетей и ГИС может быть решена по крайней мере тремя способами:
1) интеграция (встраивание) нейросетевых моделей в ГИС с использованием специализированных средств геоинформационной системы (программирование на встроенных языках типа Avenue, MapBasic и т. п.);
2) развитие интерфейса между отдельными приложениями нейросетевого анализа и ГИС, как самостоятельными системами;
3) создание прикладного программного обеспечения нейросетевых систем с элементами ГИС (например, с использованием библиотек классов типа MapObjects, GeoConstructor, MapX и пр.). Выбор конкретного варианта связан с требованиями и поставкой задачи, имеющимися ресурсами и опытом работы. Ниже приводятся два конкретных примера — программных продукта, которые уже созданы на основе нейросетей и ГИС.

Программа ScanEx-NeRIS

Программа NeRIS предназначена для тематической интерпретации пространственных данных, в первую очередь данных дистанционного зондирования Земли. Основной инструмент, реализованный в программе, — нейронные сети Кохонена. Являясь одним из методов классификации многомерных данных, нейронные сети Кохонена обладают важными дополнительными свойствами, на которых основана значительная часть используемых в программе алгоритмов.

Возможности пакета тематической обработки растровых изображений в программе ScanEx-NeRIS:
— оценка количества классов, требуемых для описания тематики и составления тематической карты;
— оценка внутренней дробности, неоднородности тематических объектов (контуров);
— оценка распределения свойств экспертных объектов в признаковом поле модели;
— оценка вероятностей присутствия тематических объектов, заданных экспертом в поле признаков снимка (выделение на изображении областей с различным уровнем оценки: оптимистическим, реалистическим, пессимистическим);
— построение иерархических классификаций с оценкой близости классов между собой;
— создание тематически ориентированных нейронных сетей для последующей обработки растра с целью выявления тематических объектов;
— автотрассировка (векторизация) результатов поклассовой обработки;
— поддержка системы координат наиболее распространенных отечественных и зарубежных картографических проекций;
— экспорт растровых покрытий и векторных слоев в наиболее распространенных обменных форматах;
— представление результатов классификации для всех видов нейронных сетей как присвоением индекса класса каждому классифицированному пикселу, так и созданием растровых слоев «вероятности» (possibility) принадлежности пиксела одному конкретному классу (создание нескольких таких слоев с последующей их визуализацией позволяет наглядно представлять результаты классификации, например, выявлять «белые пятна» (неклассифицированные области пространства) и представлять данные для окончательной классификации традиционными методами).

Модуль Arc-SDM для ArcView

Модуль Arc-SDM — одно из свободно доступных расширении ArcView для моделирования в ГИС на основе алгоритмов нечеткой логики и нейронных сетей. С точки зрения пользователя ГИС процесс пространственного моделирования с использованием этого модуля состоит в построении нового тематического слоя на основе нескольких уже существующих. Arc-SDM использует два нейросетевых алгоритма, которые вынесены в самостоятельный программный модуль DataXplore. Первый построен на основе нейросети, реализующей радиальные базисные функции, второй — на основе кластеризации в нечеткой логике. Нейросеть, использующая радиальные базисные функции, должна пройти этап обучения, в результате которого будет сгенерирован набор параметров, определяющий взаимосвязь между входными слоями данных и выходным (результирующим) слоем. После этого для классификации данных можно применять обученную нейросеть.
Например, в геологической задаче исследования полезных ископаемых, результирующий слой содержит сведения о наличии или отсутствии месторождений. Входные данные, используемые в процессе обучения, можно разделить на два типа — расположения известных месторождений и участки территории, про которые известно, что там полезных ископаемых нет. На основе исходных векторных тематических слоев геоинформационной системы создается грид-тема, далее подготовленный набор данных передается в программный модуль DataXplore. Результат вычислений отображается в виде нового тематического слоя.

Контрольные вопросы

1. В чем состоят перспективы интеграции технологий ИИ с ГИС? Какие особенности ГИС составляют основу этой интеграции? Какое отношение к системам ИИ имеют нейросетевые методы?
2. Проведите сравнение машины фон-Неймана с биологической нейронной системой.
3. Нарисуйте схемы и поясните принципы работы технического и биологического нейронов.
4. Классификация нейронных сетей и ее принципы. Чем отличаются нейросети, обучающиеся без образца, от нейросетей, обучающихся по образцу? Для решения каких задач они используются?
5. Нейросетевой алгоритм обратного распространения ошибки. В чем состоят сложности проведения нелинейной многопараметрической рецессии данных?
6. Охарактеризуйте нейросетевые алгоритмы квантования данных. Поясните на примерах анализа геоданных принцип построения карт Кохонена.
7. Перечислите области применения нейросетевых ГИС.
8. Сформулируйте основные функции нейросетевого программного обеспечения. Каким образом оно может быть соединено с ГИС в единую систему?
9. Дайте характеристику программного обеспечения нейросетевых ГИС примере программных продуктов ScanEx-NeRIS и модуля Arc-SDM для ArcView.

< Области применения нейросетевых ГИС.

Содержание книги "Тикунов В. С. Геоинформатика."

Системы поддержки принятия решений (СППР). История систем поддержки принятия решений. >

Скачать полную версию учебника (с рисунками, формулами, картами, схемами и таблицами) одним файлом в формате MS Office Word Скачать книгу

При копировании информации обязательны прямые ссылки на сайт, а также на авторов книг.
Все книги являются собственностью их авторов и служат исключительно для ознакомления.
© Edu-Knigi.ru, 2011. © Дизайн и программирование от студии "ПСГ".