Построение сети осуществляется в два этапа:
1) выбор типа (архитектуры) сети;
2) подбор весов (обучение) сети.
На первом этапе следует определить следующее:
• какие нейроны будут использоваться (число входов, передаточные функции);
• каким образом следует соединить их между собой;
• что будет взято в качестве входов и выходов сети.
Эта задача на первый взгляд кажется достаточно трудоемкой, но существует несколько десятков различных нейросетевых архитектур, причем эффективность многих из них доказана математически. Наиболее популярные и изученные архитектуры - это многослойный перцептрон, нейросеть с общей регрессией, сети Кохонена и др.
На втором этапе следует «обучить» выбранную сеть, т. е. подобрать такие значения ее весов, чтобы сеть работала нужным образом. Необученную сеть можно научить чему угодно. В используемых на практике нейросетях количество весов может составлять несколько десятков тысяч, поэтому обучение - сложный процесс. Для многих архитектур разработаны специальные алгоритмы обучения, которые позволяют настроить веса сети определенным образом. Наиболее популярный из этих алгоритмов - метод обратного распространения ошибки (Error Back Propagation), используемый, например, для обучения перцептрона.
При помощи нейромоделей и нейросетей можно решать широкий спектр задач управления на промышленном предприятии:
• анализ методов моделирования и оперативного управления производственными участками;
• анализ существующих компьютерных систем для оперативного управления производством;
• выбор метода моделирования и разработка математической модели конкретного производственного участка;
• выбор критерия эффективности работы производственного участка;
• выбор метода оптимизации план-графика работы производственного участка для конкретного технологического процесса с использованием модели;
• разработка и отладка программного обеспечения для конкретного производственного участка;
• проведение машинных экспериментов с моделью;
• анализ результатов моделирования;
• разработка структуры и функций компьютерной подсистемы оперативного управления участком;
• разработка требований к техническому и информационно-программному обеспечению подсистемы.
Внедрение, применение и развитие нейросетевых технологий для управления работой конкретного промышленного предприятия приведет к повышению производительности всего предприятия и сокращению сроков самоокупаемости средств, потраченных на развитие информационных технологий поддержки принятия управленческих и плановых решений.