Primjena neuronskih mreža u planiranju razvoja umreženih baza podataka

magistarski rad

• Autor: Marko Ferišak
• Mentor: Mladen Tkalić (mentor)
• Član povjerenstva: Mladen Tkalić (član povjerenstva)
• Član povjerenstva: Vladimir Brlić (član povjerenstva)
• Član povjerenstva: Zoran Skočir (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; (Zavod za telekomunikacije); Zagreb
• Datum i država obrane: 2000-02-25, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo
• Univerzalna decimalna klasifikacija (UDC): 004 - Računalna znanost i tehnologija. Računalstvo. Obrada podataka

Sažetak

Neuralne mreže pokazale su se kao alat koji je davao dobre rezultate u područjima primjene u kojima su standardni pristupi imali poteškoća. U području telekomunikacija problemi adaptivnog usmjeravanja prometa definitivno mogu biti uspješnije rješavani primjenom logike usmjeravanja koja ima određenu "inteligenciju". Načini ostvarenja te "inteligencije" su upotreba učećih automata ili upotreba neuralnih mreža.
Neuralne mreže i učeći automati se mogu kombinirati, tako da se neuralne mreže koriste kao adaptivna kritika za korekciju reakcija učećih automata. U tom slučaju radi se o specijalnom slučaju primjene neuralnih mreža za predviđanje vremenskih serija s on-line učenjem i reakcijama. Neuralne mreže se mogu implementirati hardverski ili kao softverska simulacija. Softverska simulacija razvijena u ovom radu obuhvaća definiciju topologije mreže, njeno funkcioniranje u normalnom režimu rada i učenje neuralne mreže po Back Propagation algoritmu.
Područje baza podataka ima u današnje vrijeme sve veću i veću ulogu. U situaciji u kojoj se sve umrežuje i povezuje postojeće baze podataka ponekad su opasnosti da postanu izolirani "otoci" u inaće povezanim sistemima. Pri tome njihova primarna funkcija ostaje sačuvana, ali kod daljnjeg razvoja često je poželjno imati transparentan pristup do njihovih podataka. Radi toga razvijaju se skladišta podataka kao sistemi koji imaju uvid u podatke baze, ne ometaju i ne ugrožavaju njenu primarnu funkciju, a krajnjim korisnicima daju na uvid potrebne podatke. U ovom radu opisani su temeljni koncepti skladišta podataka. Ukratko su opisane metode potrebne za pristup bazama podataka i njihovo povezivanje sa ostatkom sistema.
U samim skladištima podataka obično je dostupna ogromna količina podataka. Njihova organizacija se provodi na poseban način nazvan dimenzijski model podataka, a svrha upotrebe dimenzijskog modela je preglednost podataka i njihovo organiziranje na način koji ce biti razumljiv krajnjim korisnicima upoznatim s prikazanim procesom. Pokazano je da upotreba dimenzijskog modela podataka, iako se bazira na odvojenim zvjezdastim spojevima koji su još i raspodijeljeni po raznim odvojeno funkcionalnim komponentama skladišta podataka mora biti provedena tako da se poštuju usklađene dimenzije i standardne definicije činjenica, zato da bi se kasnije moglo kombinirati podatke iz raznih zvjezdastih spojeva.
Jedan pristup rudarenju podataka je upotreba neuralne mreže za predviđanje vremenskih serija na osnovi povijesnih podataka o promatranom procesu dobivenih iz skladišta podataka.

Sažetak (engleski)

Neural networks are known as a tool fit for application to areas where standard approaches experienced complications. In the telecommunications topic solutions of adaptive routing problems can certainly increase their effectiveness by the use of routing logic that possesses certain built - in "intelligence". This "intelligence" can be achieved by the use of learning automata or neural networks.
Neural networks and learning automata can be combined in such a way that neural networks act as adaptive critic for correction of learning automata reactions. In such a scenario we have a special case of the application of neural networks to time - series prediction with on - line learning and reactions. Neural networks can be implemented in hardware or as a software simulation.
Software simulation developed here enables the definition of network topology, its functioning in normal feed - forward mode and training by Back Propagation algorithm.
The topic of databases has ever increasing role. In the situation where everything get networked and interconnected existing databases are sometimes exposed to danger of becoming isolated parts of systems. Although their primary function gets preserved it's often advantageous to have a transparent approach to their data. That's often the driving force behind the development of data warehouses as systems that have access to legacy databases but don't interfere with their primary functions, while providing end - users with a view of wanted data. In this paper basic concepts of data warehouses are described. In short lines methods necessary to access data bases and connect them to the rest of the system are described.
Data warehouses usually have access to a huge amount of data. Their organization is implemented in a special way known as dimensional model. The purpose of dimensional model is to make data understandable and organize it in a way understandable to end users that are familiar with a displayed process. It's known that the use of dimensional model, although based on separate star joins, can be implemented with conformed dimensions and standard fact definitions. This approach enables later combining of data from various star joins.
One of the possible approaches to data mining is the use of neural network for time - series prediction, where based on historic data form the data warehouse, information about the process of interest could be obtained.

• Ključne riječi: Učeći automati; adaptivno usmjeravanje prometa; neuralne mreže; Back Propagation algoritam; baze podataka; relacijski model; skladišta podataka; dimenzijski model; predviđanje vremenskih serija
• Ključne riječi (engleski): Learining automata; adaptive traffic routing; neural networks; Back Propagation algorithm; data bases; relational model; data warehouses; dimensional model; time-series prediction
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:659819
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: poslijediplomski znanstveni (magistarski); Akademski / stručni naziv: magistar inženjer računarstva (mag. ing. comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2019-04-02 07:53:41