Программа ScanEx-NeRIS

Программа ScanEx-NeRIS предназначена для тематической ин­терпретации пространственных данных, в первую очередь данных дистанционного зондирования Земли. Основным инструментом, реализованным в программе, являются нейронные сети Кохоне-на. 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 тема­
  тики и составления тематической карты;
• оценка внутренней дробности, неоднородности тематиче­
  ских объектов (контуров);
• оценка распределения свойств экспертных объектов в при­
  знаковом поле модели;
• оценка вероятностей присутствия тематических объектов,
  заданных экспертом в поле признаков снимка (выделение на изоб­
  ражении областей с различным уровнем оценки: оптимистиче­
  ским, реалистическим, пессимистическим);
• построение иерархических классификаций с оценкой бли­
  зости 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 клас­
  сифицированному пикселу, так и созданием растровых слоев «ве­
  роятности» (possibility) принадлежности пиксела одному конк­
  ретному классу (создание нескольких таких слоев с последующей
  их визуализацией позволяет наглядно представлять результаты клас­
  сификации, например, выявлять «белые пятна» (неклассифици­
  рованные области пространства) и представлять данные для окон­
  чательной классификации традиционными методами).

Модуль Arc-SDM для ArcView

Модуль Arc-SDM — одно из свободно доступных расширений 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 ней-росети, использующей 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 использовать 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 — местоположе­ния 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 отноше­
ние к системам ИИ имеют нейросетевые методы?

2. Проведите сравнение машины фон Неймана с биологической ней­
ронной 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, обучающиеся по
образцу? Для решения каких задач они используются?

5. Нейросетевой алгоритм обратного распространения ошибки. В чем
состоят сложности проведения нелинейной многопараметрической рег­
рессии данных?

6. Охарактеризуйте нейросетевые алгоритмы квантования данных.
Поясните на примерах анализа геоданных принцип построения карт
Кохонена.

7. Расскажите об областях применения нейросетевых ГИС.

8. Сформулируйте основные функции нейросетевого программного
обеспечения. Каким образом оно может быть соединено с ГИС в единую
систему?

9. Дайте характеристику программному обеспечению нейросетевых
ГИС на примере программных продуктов ScanEx-NeRIS и модуля Агс-
SDM для Arc View.