ТОР 5 статей: Методические подходы к анализу финансового состояния предприятия Проблема периодизации русской литературы ХХ века. Краткая характеристика второй половины ХХ века Характеристика шлифовальных кругов и ее маркировка Служебные части речи. Предлог. Союз. Частицы КАТЕГОРИИ:
|
Компьютерные экспериментыПри исследовании возможности идентификации нелинейных объектов нейронными сетями обучающая выборка генерировалась из априори заданной нелинейной модели-эталона. При помощи обучающей выборки определялись параметры нейронной сети. Полученная модель нелинейного объекта сравнивалась с эталонной моделью. Эксперимент 1. Нелинейный объект-эталон представлен в виде: , x m [0,1]. (6.16) и имеет форму, изображенную на рис.6.3 сплошной линией. Нейронная сеть-аппроксиматор, соответствующая данному объекту, изображена на рис.6.4, и является полносвязанной сетью, т. е. обладает свойством полной взаимосвязи нейронов соседних слоев при отсутствии связей в слое. Структура сети: первый слой - 7 нейронов (7 разрядов двоичного кода входной переменной); второй слой (память сети) - 10 нейронов; третий слой - 7 нейронов. Вид исследуемой модели до обучения сети-аппроксиматора изображен пунктиром на рис.6.3а, а после обучения, на рис.6.3б. В табл. 6.1 и 6.2 приведены весовые коэффициенты сети, которые установились после обучения. В проведенном эксперименте обучающая выборка состояла из 51 пары вход-выход. Обучение нейронной сети было проведено за 12000 обучающих циклов.
Таблица 6.1. Веса межнейронных связей входного () и промежуточного () слоев
Таблица 6.2. Веса межнейронных связей промежуточного () и выходного () слоев
Эксперимент 2. Нелинейный объект-эталон представлен в виде: , , , , (6.17) и имеет форму, изображенную на рис.6.5а. Нейронная сеть-аппроксиматор, соответствующая данному объекту, изображена на рис.6.6, и также является полносвязанной сетью. Структура сети: первый слой - 12 нейронов (по 6 разрядов двоичного кода на каждую входную переменную); второй слой (память сети) - 15 нейронов; третий слой - 7 нейронов (6 разрядов - цифровые, 1 - знаковый). Вид исследуемой модели до обучения сети-аппроксиматора изображен на рис.6.5б, после обучения - рис.6.5в. В табл. 6.3 и 6.4 приведены весовые коэффициенты сети, которые установились после обучения. В проведенном эксперименте обучающая выборка состояла из 168 пар вход-выход. Обучение нейронной сети было проведено за 67000 обучающих циклов. Таблица 6.3. Веса межнейронных связей входного () и промежуточного () слоев
Таблица 6.4. Веса межнейронных связей промежуточного () и выходного () слоев
Таблица 6.4(продолжение)
Не нашли, что искали? Воспользуйтесь поиском:
|