Вестник МГТУ, 2025, Т. 28, № 4/1.

Пашенцев С. В. Маневренное испытание "зигзаг" и обученная нейросеть как инструменты. С учетом всех изменений и описанных дополнений программа запускается обычным образом на испытание маневра "зигзаг 20/20" с повторением 600 раз при изменяющихся параметрах модели. В завершение такого цикла все результаты (параметры модели и маневренные характеристики) записываются в текстовый файл в виде строк - наборов данных для последующего обучения сети. Построение нейронной сети и ее обучение После получения массива исходных данных происходит конструирование сети и ее последующее обучение. Используем пакет Statistica Neural Networks, Release 4.0E, StatSoft Inc. (далее - пакет SNN2). Запуская программу, получаем возможность выбрать для работы файл данных; выбираем созданный выше массив данных TestModZig600.txt и получаем на экране форму, показанную на рис. 2. В отличие от выбора базового подхода к построению сети (Пашенцев, 2023), выберем вариант Advanced - использование интеллектуального решателя проблем IPS (заголовок всех последующих форм диалогов). При таком выборе следует более длинная интерфейсная процедура формирования задания на построение сети. Ее интуитивно понятные этапы опускаем, но обращаем внимание на наиболее важные из них. Рис. 2. Выбор интеллектуального решателя проблем для формирования и обучения сети Fig. 2. Selecting an intelligent problem solver for network formation and training В первую очередь это относится к заданию входных и выходных переменных, что выполняется с помощью форм, которые показаны на рис. 3 и 4. Сформированные нами 600 наборов данных содержат 19 параметров модели судна в качестве выходных переменных и 42 маневренные характеристики в качестве входных переменных. Е Intelligent Problem Solver - Multiple Output Variable ... Select the output (dependent) variables for the problem. You are strongly recommended to press Back and select a single dependent variable instead; press F1 for more detailed advice. 41 VAR41 45.VAR45 49.VAR49 53.VAR53 57.VAR57 42.VAR42 46.VAR46 50.VAR50 54.VAR54 58.VAR58 43.VAR43 47.VAR47 51 .VAR51 55.VAR55 59.VAR59 44.VAR44 48.VAR48 52.VAR52 56.VAR56 60.VAR60 Г rrr ► |43-61 Cancel < Back Next > Finish Рис. 3. Выбор выходных переменных из общего набора переменных Fig. 3. Selecting output variables from a common set of variables L I6| Intelligent Problem Solver - Input Variable Selection f S3 Select the input (independent) variables for the problem. You can specify either that the IPS treat the selected variables as possible inputs and select the most useful subset, or that it should simply use all those selected. Г Search for an effective subset of the specified variables 25.VAR25 29.VAR29 33.VAR33 37.VAR37 41 .VAR41 26.VAR26 30.VAR30 34.VAR34 38.VAR38 42.VAR42I 27.VAR27 31 VAR31 35.VAR35 39.VAR39 28.VAR28 32.VAR32 36.VAR36 40.VAR40 1-42 Cancel <B ack I Next> I Finish I Рис. 4. Выбор входных переменных из общего набора переменных Fig. 4. Selecting input variables from a common set of variables 2 Порядок работы с пакетом Statistica Neural Networks, продукты Statistica neural networks. 2020. URL. https://usercpu.ru/poryadok-raboty-s-paketom-statistica-neural-networks-produkty-statistica-neironnye-seti-statistica-neural/ (последнее обращение 26.05.23). 562