" Економічне обґрунтування розробки пристрою для моделювання нейрона "



Сторінка1/2
Дата конвертації04.06.2017
Розмір405 Kb.
  1   2


Форма N Н-6.01
_____________Вінницький національний технічний університет ____________
(повне найменування вищого навчального закладу)
_________________Кафедра комп’ютерних наук_________________
(повна назва кафедри, циклової комісії)


КУРСОВА РОБОТА


з дисципліни “Економічне обґрунтування інноваційних рішень”

на тему:  Економічне обґрунтування розробки пристрою



для моделювання нейрона



 

Студента 5 курсу групи 1КН-14м

напряму підготовки 8.05010104 – «Системи штучного інтелекту»

______________Левченка Ю.В.__________________
                                  (прізвище та ініціали) 
Керівник ст. викл. Малініна Н.М.  ___ (посада, вчене звання, науковий ступінь, прізвище та ініціали)
Національна шкала ___________________________
Кількість балів: __________ Оцінка: ECTS _______


Члени комісії

________________
(підпис)

___________________________
(прізвище та ініціали)

________________
(підпис)

___________________________
(прізвище та ініціали)

________________
(підпис)

___________________________
(прізвище та ініціали)


м. Вінниця – 2015



Міністерство освіти і науки України

Вінницький національний технічний університет

Інститут менеджменту

ЗАТВЕРДЖУЮ

Зав.кафедри ЕПВМ, проф., к.е.н

_____________ О.Й. Лесько

«__»____________ 2015 р.

ІНДИВІДУАЛЬНЕ ЗАВДАННЯ

до виконання курсової роботи з дисципліни

«Економічне обґрунтування інноваційних рішень»

Студенту__________Левченку Юрію Вікторовичу_____________________

Курс________5______________Група___________1КН-14м_____________

Тема_____ «Економічне обґрунтування розробки пристрою для_________ моделювання нейрона»____________________________________________

Завдання видано «____»_________________ 201__ р.
Керівник __________ ________ст. викл. Малініна Н.М.________

(підпис) (прізвище, ініціали)
Завдання отримав __________ _______Левченко Ю.В.____________

(підпис) (прізвище, ініціали)

АНОТАЦІЯ
В курсовій роботі проведено економічне обґрунтування розробки пристрою для моделювання нейрона.

Було виконано дослідження ринку даної предметної області, розраховано основні економічні показники виробництва, реалізації та експлуатації інноваційного рішення, а також оцінено економічну ефективність інноваційного рішення.

Результати отримані під час виконання курсової роботи можуть бути використанні для впровадження інноваційного рішення в установах та підприємствах.


АННОТАЦИЯ


В курсовой работе проведено экономическое обоснование разработки устройства для моделирования нейрона.

Было выполнено исследование рынка данной предметной области, рассчитаны основные экономические показатели производства, реализации и эксплуатации инновационного решения, а также оценено экономическую эффективность инновационного решения.

Результаты получены в ходе выполнения курсовой работы могут быть использованы для внедрения инновационного решения в учреждениях и предприятиях.

ЗМІСТ



ВСТУП……………………………………………………………………..

5

1 КОМПЛЕКСНЕ ДОСЛІДЖЕННЯ РИНКУ ПРИСТРОЮ ДЛЯ МОДЕЛЮВАННЯ НЕЙРОНА……………………………………………

6


1.1 Аналіз ринку…………………………………………………………….

6

1.2 Оцінювання рівня якості інноваційного рішення……………….…....

13

1.3 Оцінювання конкурентоспроможності інноваційного рішення…..…

16

1.4 Висновки до першого розділу………………………………………...

18

2 РОЗРАХУНОК ОСНОВНИХ ЕКОНОМІЧНИХ ПОКАЗНИКІВ ВИРОБНИЦТВА, РЕАЛІЗАЦІЇ ТА ЕКСПЛУАТАЦІЇ ІННОВАЦІЙНОГО РІШЕННЯ.....................................................................

19


2.1 Калькулювання виробничої собівартості інноваційного рішення…………………………….………………………………………...

19


2.2 Визначення ціни та критичного обсягу виробництва інноваційного рішення ………………………………………….......................................

25


2.3 Визначення експлуатаційних витрат у сфері використання інноваційного рішення……………………………………………………..

26


2.4 Висновки до другого розділу …………………………………………

28

3 ОЦІНЮВАННЯ ЕКОНОМІЧНОЇ ЕФЕКТИВНОСТІ ІННОВАЦІНОГО РІШЕННЯ………………………………………………

29


3.1 Висновки до третього розділу………………………………………….

31

ВИСНОВКИ……………………………………………………………........

32

СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ…………………………………..

33

ВСТУП
Інтерес до штучних нейронних мереж швидко виріс за останні декілька років. Фахівці з багатьох галузей: технічне конструювання, філософія, фізіологія і психологія заінтриговані можливостями, що надаються нейронні мережі й шукають застосування їм всередині своїх дисциплін. Тому існує задача створення пристрою для моделювання нейрона з введенням нових вузлів та зв’язків, що надасть змогу працювати з новими сигналами. Завдяки наявності оптичних входів та виходів модель можна буде легко використовувати при побудові імпульсних нейронних мереж з великою кількістю елементів та зв’язків. Це розширить функціональні можливості моделі, оскільки організація великої кількості оптичних зв’язків реалізується набагато простіше, ніж електричних зв’язків. Тому виникає необхідність проведення процесу моделювання нейронних елементів та проведення аналізу й економічного обґрунтування розробки пристрою для моделювання нейрона.

Метою курсової роботи є здійснення економічного обґрунтування розробки пристрою для моделювання нейрона.

Предмет дослідження – засоби схемотехнічого та програмного моделювання імпульсних нейронів.

Об'єкт дослідження – процес комп’ютерного моделювання нейронів.

Основні задачі дослідження:



  • аналіз ринку;

  • оцінювання рівня якості інноваційного рішення;

  • оцінювання конкурентоспроможності інноваційного рішення;

  • калькулювання виробничої собівартості інноваційного рішення;

  • визначення ціни та критичного обсягу виробництва інноваційного рішення;

  • оцінювання економічної ефективності інноваційного рішення.


1 КОМПЛЕКСНЕ ДОСЛІДЖЕННЯ РИНКУ ПРИСТРОЮ

ДЛЯ МОДЕЛЮВАННЯ НЕЙРОНА


    1. Аналіз ринку

При сучасному рівні розвитку техніки, коли навіть побутова техніка оснащується мікропроцесорними пристроями, виникла потреба в інтелектуальних адаптивних системах управління, здатних пристосовуватися до дуже широкого діапазону зовнішніх умов. Більше того, виникла потреба в універсальній технології створення таких систем. Науковий досвід людства свідчить про те, що в природі можна знайти безліч цінних ідей для науки і техніки. Людський мозок є найбільш дивним і загадковим створенням природи. Здатність живих організмів, наділених вищою нервовою системою, пристосовуватися до навколишнього середовища може служити закликом до наслідування природі або імітації при створенні технічних систем.

У основу штучних нейронних мереж покладено такі риси живих нейронних мереж, які дозволяють добре справлятися з нерегулярними завданнями: простий елемент – нейрон; дуже велика кількість нейронів бере участь у обробці інформації; один нейрон пов'язаний з великою кількістю інших нейронів; паралельність обробки інформації [1].

Прототипом до створення нейрона послужив біологічний нейрон мозку. Біологічний нейрон має тіло, сукупність відростків - дендритів, з яких нейрону надходять вхідні сигнали, і відросток - аксон, передавальний вихідний сигнал нейрона іншим клітинам. Місце сполучення дендрита і аксона називається синапсом [1].

Поведінка штучної нейронної мережі залежить як від значення вагових параметрів, і від функції порушення нейронів. Відомі три основні види функції порушення: порогова, лінійна і сигмоідальна [1]. Нейронна мережа є сукупністю значної частини порівняно простих елементів - нейронів, топологія сполук яких залежить від типу мережі. Щоб створити нейронну мережу для вирішення певного конкретного завдання, необхідно провести вибір, як слід з'єднувати нейрони один з одним, і відповідно підібрати значення вагових параметрів цих зв'язків. Чи може впливати один елемент на інший, залежить від встановлених сполук.

Нині стає зрозуміло, подальший розвиток різних аспектів проблем автоматичного управління складними системами вимагає об'єднати зусилля техніки й біології. Спільними завданнями цих наук є: управління динамічними об'єктами і базами даних, а як і оптимізація управління. Для управління складними системами і об'єктами застосовуються нейронні мережі.

Сучасний підхід до створення нейросистем еволюціонує у бік віддалення функціонування від біологічних аналогів. Для моделювання сучасних нейросистем використовується сильно спрощена модель базового елемента (нейрона).

Найперспективнішим для технічної реалізації представляється моделювання лише на рівні опису інформаційних перетворень імпульсних потоків в нейроні, не спускаючись до рівня фізико-хімічних процесів, але й абстрагуючись від розуміння нейрона як об'єкта, що здійснює нелінійні аналогові перетворення потоку імпульсів.

Нейронні мережі являють собою нову і дуже перспективну обчислювальну технологію, що дає нові підходи до дослідження динамічних задач у фінансовій області. Спочатку нейронні мережі відкрили нові можливості в області розпізнавання образів, потім до цього додалися статистичні і засновані на методах штучного інтелекту засоби підтримки прийняття рішень та вирішення завдань у сфері фінансів [1].

Здатність до моделювання нелінійних процесів, роботі з зашумленими даними і адаптивність дають можливості застосовувати нейронні мережі для вирішення широкого класу завдань. В останні кілька років на основі нейронні мереж було розроблено багато програмних систем для застосування в таких питаннях, як операції на товарному ринку, оцінка ймовірності банкрутства банку, оцінка кредитоспроможності, контроль за інвестиціями, розміщення позик.

Додатки нейронних мереж охоплюють найрізноманітніші області інтересів: розпізнавання образів, обробка зашумленні даних, доповнення образів, асоціативний пошук, класифікація, оптимізація, прогноз, діагностика, обробка сигналів, абстрагування, управління процесами, сегментація даних, стиснення інформації, складні відображення, моделювання складних процесів , машинне зір, розпізнавання мови [2].

Основним техніко-економічним показником пристрою для моделювання нейрону є можливість роботи з оптичними сигналами, а найважливішою споживчою характеристикою – спрощена схемотехнічна реалізація пристрою, на основі яких будуть в подальшому здійснюватися аналіз ринку товарів, аналіз конкурентоздатності товару, аналіз продажів товарів та планування маркетингової діяльності.

Даний товар не є абсолютно новим, оскільки схожі системи вже існують на ринку, але він містить ряд особливостей, яких до цього часу ніхто не застосовував.

Серед потенційних споживачів інноваційного продукту можна виділити фахівців із багатьох областей: технічне конструювання, медицина, інженерія, економіка, філософія, фізіологія і психологія, адже застосування нейронних мереж, які моделюються на основі великої кількості нейронних елементів, доступне майже в усіх галузях.

Серед основних вимог споживачів можна виділити такі:



  • доступне впровадження пристрою;

  • зручність роботи із пристроєм;

  • зрозуміла обробка даних пристрою;

  • доступна вартість пристрою;

  • можливість адаптації до інших дослідних систем.

Для того щоб визначити потенційний попит на програмний продукт було досліджено такі показники:

  • середня кількість споживачів, які використовують аналогічні розроблюваному (П) – 126 компаній у Вінницькій області;

  • середній відсоток споживачів, які зацікавляться придбанням інноваційного продукту (ПП) – 38%;

  • середній термін заміни інноваційного продукту (Т) – 2 роки;

  • середній відсоток споживачів, що захочуть придбати розроблювальний товар повторно (СП) – 54 %.

Базуючись на вищевказаних показниках розраховано наступні параметри:

  1. Потреба в інноваційному продукті:


(компаній)


  1. Оптимістичний прогноз попиту на інноваційне рішення:


(компаній/рік)


  1. Песимістичний прогноз попиту на інноваційне рішення:


(компаній/рік)


  1. Реалістичний прогноз попиту на інноваційне рішення:


(компаній/рік)
Для розповсюдження даного апаратного пристрою моделювання нейрона було обрано прямий канал збуту [3], що дозволяє виробникові даного пристрою безпосередньо вирішувати усі питання продажів із потенційними покупцями даного продукту, не потребуючи залучення сторонніх організацій чи інших суб’єктів господарювання. Даний канал обрано, тому що існує потреба в безпосередньому контакті із споживачами для отримання відгуків, що призведе до подальшого удосконалення пристрою для моделювання нейрону. 

Разом із продуктом, а саме пристроєм для моделювання нейрону компанія-виробник забезпечує післяпродажне обслуговування даного продукту, що й визначено умовами купівлі-продажу [4]. Післяпродажне обслуговування буде здійснено наступним чином: по-перше, обслуговування здійснюватиметься лише компанією-виробником, без залучення сторонніх підприємств; по-друге, сервіс буде безкоштовний, якщо помилка, збій, припинення працездатності спричинена завдяки браку підприємства-виробника й здійснюватиметься за окрему визначену плату, якщо причини непрацездатності пристрою, спричинені покупцем.

На сьогоднішній день найбільш поширеними є наступні продукти: пристрій для моделювання нейрона (патент України №55921, м.кл. G06G 7/00, 2009 р., бюл. №24) та пристрій для моделювання нейрона (патент України № 52771, м. кл. G06G 7/60, 2006 р., бюл. №17).

Пристрій для моделювання нейрона (патент України №55921, м.кл. G06G 7/00, 2009 р., бюл. №24), який містись джерело живлення, яке з'єднано з катодом першого фотодіода та з виводами першого та другого резисторів, анод першого фотодіода з'єднано з катодом другого фотодіода, з першим виводом першого конденсатора, другим виводом другого резистора та керуючим електродом тиристора, другий вивід першого резистора з'єднано з першим виводом другого конденсатора та анодом тиристора, катод тиристора з'єднано з електричним виходом пристрою та першими виводами третього резистора та третього конденсатора, другий вивід третього резистора з'єднано з анодом світлодіоду, катод якого разом з другими виводами першого, другого та третього конденсатори з'єднано із загальною шиною [5].

Недоліком даного пристрою є складність схемотехнічної реалізації та низька робоча частота.

Пристрій для моделювання нейрона (патент України №55921, м.кл. G06G 7/00, 2009 р., бюл. №24) зображено на рисунку 1.1.


Рисунок 1.1 - Пристрій для моделювання нейрона



(патент України №55921, м.кл. G06G 7/00, 2009 р., бюл. №24)
Інший відомий пристрій для моделювання нейрона (патент України №52771, м. кл. G06G 7/60, 2006 р., бюл. №17), який містить керовані резисторні елементи, блоки моделювання синапсів, які складаються з послідовно з'єднаних узгоджуючих підсилювачів, входи яких є входами блоків моделювання синапсів, накопичуючих елементів, елементів затримки, блоки моделювання 10 дендритів, які складаються з суматорів, елементів затримки та інвертора, утворюючих прямий та зворотний ланцюги так, що елементи затримки і суматори по першому неінвертованому входу включені до них послідовно і чергуються між собою, причому зворотний ланцюг починається з суматора, а вихід його останнього елемента затримки з'єднаний через інвертор з входом першого елемента затримки прямого ланцюга, другі неінвертовані входи суматорів прямого ланцюга з'єднані з інвертованими входами суміжних з ними суматорів зворотного ланцюга і є входами блока моделювання дендриту, які з'єднані з виходами відповідної до нього групи блоків моделювання синапсів, вихід кожного елемента затримки прямого ланцюга з'єднаний з другим неінвертованим входом відповідного суматора зворотного ланцюга і є виходом блока моделювання дендриту і дендритним виходом пристрою, а вихід кожного елемента затримки зворотного ланцюга з'єднаний з третім неінвертованим входом відповідного суматора прямого ланцюга, прямий ланцюг закінчується елементом затримки, вихід якого є проксимальним виходом блока моделювання дендриту, формувач вихідних імпульсів, вихід якого є виходом пристрою, пристрій також містить блок синхронізації, входи якого з'єднані з виходом пристрою і його входами, а виходи за кількістю синапсів підключені до керуючих входів резисторних елементів, причому кожний блок моделювання дендриту містить додаткові елементи затримки за кількістю наявних у них елементів затримки без одного та двовхідні суматори, виходи двовхідних суматорів є дендритними виходами, перший вхід кожного суматора під'єднаний між виходом елемента затримки і входом додаткового елемента затримки прямого ланцюга, а другий вхід - між відповідними їм елементами затримки зворотного ланцюга, кількість двовхідних суматорів дорівнює кількості ділянок дендриту між синаптичними контактами [6].

Найбільшим недоліком даного пристрою є складність його структури.

Для того, щоб усунути всі недоліки попередніх пристроїв та забезпечити працездатність із оптичними сигналами й створено власний пристрій для моделювання нейрону.

Ціна даного пристрою також відіграє важливу роль для усіх. Прогноз цінової політики полягає у встановленні ціни на товар та зміни її в подальшому від ситуації на ринку. Також важливим для компанії-виробника є отримання запланованого прибутку. Визначення ціни пристрою слід базувати на основі рівня існуючих цін конкурентної продукції й встановити на початку ціну на новостворений пристрій меншу за ціну конкурента, щоб досягти максимального залучення потенційних споживачів.


    1. Оцінювання рівня якості інноваційного рішення

Оцінювання рівня якості інноваційного рішення необхідне для визначення найбільш ефективного варіанту інженерного рішення, з технічної точки зору. Під час оцінювання якості продукції потрібно визначити абсолютний і відносний рівень [7].

Дані для обрахунку абсолютного рівня якості інноваційного товару представлені в таблиці 1.1.
Таблиця 1.1 – Основні параметри інноваційного рішення пристрою для моделювання нейрона



Параметри

Абсолютне значення параметра

Коефіцієнт вагомості параметра

краще

+5…+1

середнє

0

гірше

-1…-5

1

Можливість легкого конструювання пристрою

+5







0,2

2

Можливість моделювання елементів пристрою на віртуальних пристроях

+1







0,05

3

Можливість роботи із різними типами сигналів

+4







0,25

4

Можливість забезпечення працездатності на великих частотах




0




0,05

5

Зручність використання пристрою

+2







0,05

6

Можливість роботи пристрою з різними вхідними параметрами

+4







0,2

7

Можливість вбудування в існуючі системи




0




0,07

8

Післяпродажне обслуговування




0




0,03

9

Ціна за продукт

+3







0,1


Для обрахунку абсолютного рівня якості інноваційного рішення було використано формулу 1.1:

(1.1)

де

Поділіться з Вашими друзьями:
  1   2


База даних захищена авторським правом ©divovo.in.ua 2017
звернутися до адміністрації

войти | регистрация
    Головна сторінка


загрузить материал