Скачать презентацию
Идет загрузка презентации. Пожалуйста, подождите
Презентация была опубликована 11 лет назад пользователемЕвгений Пестов
1 1. Cведения о нейронах и искусственных нейросетях
2 Биологический нейрон
3 Первые работы по созданию искусственных моделей нейронов и нейронных сетей 1943 г. работа Уоррена С.Маккаллока и Вальтера Питтса "Логическое исчисление идей, относящихся к нервной активности". Главный принцип теории произвольные явления, относящиеся к высшей нервной деятельности, могут быть проанализированы и поняты, как некоторая активность в сети, состоящей из логических элементов, принимающих только два состояния ("все или ничего").
4 Математическая модель единичного нейрона Функциональная схема формального нейрона Маккалока и Питтса.
5 Наиболее широко используемые типы переходных функций Y=f(net) Пороговая функция (рассмотренная Маккалоком и Питтсом): Линейная функция, а также ее вариант - линейная функция с погашением отрицательных сигналов: Сигмоидальная функция:
6 Пример трехслойной нейронной сети с последовательным соединением слоев
7 Обучение формального нейрона Вход 1Вход 2Требуемый выход Функция, выполняемая нейроном Формальный нейрон с двумя входами, занятый обработкой образа в виде одномерной цепочки черных и белых клеток.
8 Применение нейронных сетей для управления сложными системами Контроллеры на основе НС эффективны в случаях, когда создание адекватной аналитической модели исполнительной системы и синтез на ее основе регуляторов крайне затруднен Например в ситуациях: - наличие заранее неопределенных внешних воздействий (например, при работе машины в экстремальных средах); - переменность параметров и структуры самой системы; - существенные внутренними возмущающими воздействиями ( например, действие сил сухого и вязкого трения в механических устройствах); - сложные физические (в частности, динамические) взаимосвязи между элементами системы (например, в системах гидравлических приводов); - технические и методические проблемы с постановкой и проведением экспериментальных исследований на реальных объектах для идентификации параметров математической модели с необходимой точностью.
9 Применение нейронных сетей для управления мехатронными системами Исполнительный уровень 1. Разработка регуляторов исполнительного уровня на базе НС для управления движением мехатронных модулей. 2. Настройка коэффициентов (К п, К д, К и ) стандартных ПИД-регуляторов На выходе НС получаются значения соответствующих коэффициентов
10 Применение нейронных сетей для управления мехатронными системами Тактический уровень Средство решения обратных кинематических задач для многозвенных механизмов, когда найти решение геометрическим и даже численным путями в ряде случаев не удается Предварительное обучение такой сети сводится к многократному решению прямой задачи о положении механизма.
Еще похожие презентации в нашем архиве:
© 2024 MyShared Inc.
All rights reserved.