|
|||||||||||||||||||||||||||
Меню:
Главная
Форум
Литература: Программирование и ремонт Импульсные блоки питания Неисправности и замена Радиоэлектронная аппаратура Микросхема в ТА Рубрикатор ТА Кабельные линии Обмотки и изоляция Радиоаппаратура Гибкие диски часть 2 часть 3 часть 4 часть 5 Ремонт компьютера часть 2 Аналитика: Монтаж Справочник Электроника Мощные высокочастотные транзисторы 200 микросхем Полупроводники ч.1 Часть 2 Алгоритмические проблемы 500 микросхем 500 микросхем Сортировка и поиск Монады Передача сигнала Электроника Прием сигнала Телевидиние Проектирование Эвм Оптимизация Автомобильная электроника Поляковтрансиверы Форт Тензодатчик Силовые полевые транзисторы Распределение частот Резисторные и термопарные Оберон Открытые системы шифрования Удк |
[30] (p,q> 0). Суммарное число 45 параметров модели состояло из 18 параметров операций и 27 параметров правых частей 9 правил. На рис. 30 приведен для простоты аналог этой модели для 4 правил с двумя нечеткими множествами по каждой переменной. Yi
Рис. 30. Архитектура нейро-нечеткой системы типа ANFIS с 4 правилами Приведем краткое описание слоев соответствующей нейро-нечеткой модели. Слой 1. Входами являются вещественные значения x и у. Выходами являются значения принадлежности A(x), Bj(y), в качестве которых были выбраны колоколообразные функции принадлежности. Слой 2. Выходами являются величины срабатывания wt посылок правил: wi=Ai(x)piBi(y)qi. Слой 3. Выходами являются нормализованные величины срабатывания правил: wi*=wi /Ei(wi). Слой 4. Выходами являются взвешенные заключения правил: fiWi* = (SiX+Uy+Vi)Wi*. Слой 5. Выходом является значение функции, определяемой моделью: f=Ltfm*). Слои 1, 3, 5 имеют фиксированные узлы, слои 2 и 4 имеют адаптивные узлы с параметрами операций pi, qi и параметрами правых частей правил sit tit г; соответственно. В общем случае узлы слоя 1 также могут рассматриваться как адаптивные с параметрами функций принадлежности. В применяемой модели эти функции принадлежности были зафиксированы и равномерно распределены по области значений входных переменных [-10,10]. При оптимизации этой нейро-нечеткой системы применялся метод наименьших квадратов для идентификации параметров правых частей правил и метод обратного распространения ошибки для идентификации параметров операций. Среднеквадратичная ошибка аппроксимации значений функции sinc, вычисленных в 400 равномерно распределенных точках диапазона входных значений [-10,10]х[-10,10], составила 0.0248 после 300 эпох. Как видно из рис. 30, нейронная сеть наглядно отображает структуру нечеткой системы, однако, применение стандартных методов оптимизации нейронных сетей к полученной сети затруднительно, поскольку оптимизируемые параметры не ассоциированы непосредственно с дугами сети. Кроме этого, условие, чтобы все выходы одного слоя были связаны со всеми входами другого слоя, требуемое в стандартной архитектуре многослойных нейронных сетей, в предложенной модели не выполняется. По этой причине была предложена архитектура нейро-нечеткой системы, к которой применимы стандартные методы оптимизации нейронных сетей. Структура этой системы для упрощенного аналога модели Сугено с 2 нечеткими множествами по каждой переменной и 4 правилами представлена на рис. 31. Приведем описание этой сети. Слои 1-6. Входами являются вещественные значения x и y. Выходами являются функции принадлежности Ai(x), Bj(y) обобщенных гауссовских функций принадлежности. Слои 7-15. Выходами являются значения конъюнкций: wl=Al(x)piBl(y)qi. Слой 16. Выходом является величина w*=1/i(wi). Слои 17-25. Выходами являются нормализованные значения срабатывания правил: wi*=wiw*. Слои 26-34. Выходами являются заключения правил: f = six+tiy+ri. Слои 35-43. Выходами являются взвешенные заключения правил: fwi*. Слой 44. Выходом является значение функции, определяемое моделью: f=Li(fwi*). В этой нейронной сети обучались выходы слоев 7 - 15 и 26 - 34. Выходы остальных слоев использовались только для вычисления выхода системы. Если в первой нейронной сети свойство "все узлы некоторого слоя связаны со всеми узлами некоторого другого слоя" не выполняется, то для второй сети это условие выполнено, что дает возможность применять для обучения нейронной сети стандартное программное обеспечение. В то же время количество слоев нейронной сети значительно увеличилось. Средняя квадратичная ошибка аппроксимации значений функции sine по выбранным 400 точкам методом Левенберга-Маккарта составила 0.0283 после 49 эпох обучения. В рамках предложенных архитектур нейро-нечетких систем сохраняется возможность также и оптимизации по параметрам нечетких множеств при параметрическом их задании. net-{mp+w}b mt-tnp1 -inp out-e -net out-net ii j=i out - net inp-x,w-c.,b- Рис. 31. Линеаризованная нейро-нечеткая система с 4 правилами |
Среды: Smalltalk80 MicroCap Local bus Bios Pci 12С ML Микроконтроллеры: Atmel Intel Holtek AVR MSP430 Microchip Книги: Емкостный датчик 500 схем для радиолюбителей часть 2 (4) Структура компьютерных программ Автоматическая коммутация Кондиционирование и вентиляция Ошибки при монтаже Схемы звуковоспроизведения Дроссели для питания Блоки питания Детекторы перемещения Теория электропривода Адаптивное управление Измерение параметров Печатная плата pcad pcb Физика цвета Управлении софтверными проектами Математический аппарат Битовые строки Микроконтроллер nios Команды управления выполнением программы Перехода от ahdl к vhdl Холодный спай Усилители hi-fi Электронные часы Сердечники из распылённого железа Анализ алгоритмов 8-разрядные КМОП Классификация МПК История Устройства автоматики Системы и сети Частотность Справочник микросхем Вторичного электропитания Типы видеомониторов Радиобиблиотека Электронные системы Бесконтекстный язык Управление техническими системами Монтаж печатных плат Работа с коммуникациями Создание библиотечного компонента Нейрокомпьютерная техника Parser Пи-регулятор ч.1 ПИ-регулятор ч.2 Обработка списков Интегральные схемы Шина ISAВ Шина PCI Прикладная криптография Нетематическое: Взрывной автогидролиз Нечеткая логика Бытовые установки (укр) Автоматизация проектирования Сбор и защита Дискретная математика Kb радиостанция Энергетика Ретро: Прием в автомобиле Управление шаговым двигателем Магнитная запись Ремонт микроволновки Дискретные системы часть 2 | |||||||||||||||||||||||||