- •Учебное пособие
- •Часть 1. Изучение свойств формального нейрона; создание, инициализация и моделирование сети; использование инструментальных возможностей gui-интерфейса для нейронных сетей и данных.
- •Содержание
- •Лабораторная работа №1 «Определение свойств формального нейрона»
- •Лабораторная работа №2 «Создание, инициализация и моделирование сети. Статический и динамические сети в системе Simulink»
- •Введение
- •1. Функциональные особенности искусственных нейронных сетей (инс)
- •2. Определение инс и их классификация
- •Виды функций активации нейронов
- •Экспериментальная часть
- •Варианты заданий
- •Контрольные вопросы
- •Создание, инициализация и моделирование сети. Статический и динамические сети в системе Simulink
- •Теоретическая часть
- •Экспериментальная часть
- •Контрольные вопросы
- •1. Вычислительные аспекты matlab
- •2. Вычислительная модель нейронной сети
- •3. Применение системы Simulink
- •Теоретическая часть
- •Экспериментальная часть
- •Простейшие однослойные и двухслойные нейронные сети
- •Контрольные вопросы
- •Формирование архитектуры сети
- •Методические указания по выполнению лабораторных работ по дисциплине «математическое моделирование в технике»
- •107023, Г. Москва, б. Семеновская ул., 38
Простейшие однослойные и двухслойные нейронные сети
№ п/п |
Тип сети |
Число слоев |
Обучаемые параметры |
1 |
Competitive |
1 |
IW {1, 1}, b {1} |
2 |
Cascade- forward backprop |
2 |
IW {1, 1}, b {1}, LW {2, 1}, IW {2, 1}, b {2} |
3 |
Elman backprop |
2 |
IW {1, 1}, b {1}, LW {2, 1} , b {2}, LW {1, 1} |
4 |
Feed-forward backprop |
2 |
IW {1, 1}, b {1}, LW {2, 1} , b {2} |
5 |
Time delay backprop |
2 |
IW {1, 1}, b {1}, LW {2, 1} , b {2} |
6 |
Perceptron |
1 |
IW {1, 1}, b {1} |
7 |
Competitive |
1 |
IW {1, 0}, b {0} |
8 |
Cascade- forward backprop |
2 |
IW {1, -2}, b {2}, LW {2, 1}, IW {2, 1}, b {2} |
9 |
Elman backprop |
2 |
IW {1, -2}, b {2}, LW {2, 1} , b {2}, LW {1, 1} |
10 |
Feed-forward backprop |
2 |
IW {1, -2}, b {2}, LW {2, 1} , b {2} |
11 |
Time delay backprop |
2 |
IW {1, -2}, b {2}, LW {2, 1} , b {2} |
12 |
Perceptron |
1 |
IW {1, 0}, b {0} |
13 |
Feed-forward backprop |
2 |
IW {1, 2}, b {2}, LW {2, 1} , b {2} |
14 |
Time delay backprop |
2 |
IW {1, 2}, b {2}, LW {2, 1} , b {2} |
15 |
Perceptron |
1 |
IW {1, 2}, b {-2} |
Примечания:
-
Сеть 5 допускает введение линий задержек на входе.
-
Сеть 3 допускает введение линий задержек в слое.
-
Сети с двумя слоями имеют последовательную структуру, когда выход первого слоя служит входом второго слоя. Исключение составляют сети 3, которые допускают наличие обратной связи в первом слое и передачу входного сигнала на входы обоих слоев.
Контрольные вопросы
-
Объясните свойства нейрона как преобразователя информации;
-
Объясните влияние функции активации на выходной сигнал;
-
Как влияет выбор начальных значений настраиваемых параметров нейронной сети на скорость обучения;
-
Объясните особенности работы с соответствующими окнами. Какие поля включены в эти окна.
Л И Т Е Р А Т У Р А
1. Медведев В.С., Потемкин В.Г. Нейронные сети. MATLAB6 / Под общ.ред.к.т.н.В.Г.Потемкина. – М.:ДИАЛОГ – МИФИ, 2002. – 496с.
2. Дьяконов В.; Круглов В. Математические пакеты расширения MATLAB .Специальный справочник. – СПб.: Питер, 2001. – 480с.
3. Методы робастного, нейро-нечеткого и адаптивного управления: Учебник / Под ред. Н.Д.Егупова. – М.: Изд-во МГТУ им. Н.Э. Баумана, 2002. – 744 с.
Приложение 3.1
Окно Create New Data. Это окно включает 2 области редактирования текста для записей имени вводимых данных (область Name) и ввода самих данных (область Value), а также 6 кнопок для указания типа вводимых данных.
Различают следующие типы данных:
-
Inputs (Входы) – последовательность значений входов;
-
Targets (Цели) – последовательность значений цели;
-
Input Delay States (Состояния ЛЗ входа) – начальные условия линии задержки на входе;
-
Layer Delay States (Состояния ЛЗ слоя) – начальные условия линии задержки в слое;
-
Outputs (Выходы) – последовательность значений выхода сети;
-
Errors (Ошибки) – разность значений целей и выходов.
Как правило, пользователь задает только последовательности входа и цели, то есть типы данных Inputs и Тargets. При этом следует помнить, что при адаптации нейронной сети данные должны быть представлены в виде массива ячеек. Окно Create New Network включает поля для задания параметров создаваемой сети.
Продолжение описания полей.
-
Input ranges (Диапазоны входа) - допустимые границы входов, которые либо назначаются пользователем, либо определяются автоматически по имени входной последовательности, выбираемой из списка Get from Inp... .
-
Training function (Функция обучения) - список обучающих функций.
-
Adaption learning function (Функции настройки для режима адаптации) - список функций настроек.
-
Performance function (Функция качества обучения) - список функций оценки качества обучения.
-
Number of layers (Количество слоев) - количество слоев нейронной сети.
-
Properties for (Свойства) - список слоев: Layer 1 (Слой 1), Layer 2 (Слой 2).
-
Number of neurons (Количество нейронов) - количество нейронов в слое.
-
Transfer function (Функция активации) - функция активации слоя.
Диалоговая панель Network открывается только в том случае, когда в окне Network/Data Manager выделена созданная сеть и становятся активными кнопки View, Initialize, Simulate, Train, Adapt.
Панель имеет 6 закладок:
-
View (Просмотреть) - структура сети;
-
Initialize (Инициализация) - задание начальных весов и смещений;
-
Simulate (Моделирование) - моделирование сети;
-
Train (Обучение) - обучение сети;
-
Adapt (Адаптация) - адаптация и настройка параметров сети;
-
Weights (Веса) - просмотр установленных весов и смещений.
Особенности работы с соответствующими окнами будут рассмотрены на приведенных ниже примерах создания конкретных нейронных сетей.
Приложение 1.1