1.Применение сетей Кохонена при распознавании речи и в роботах
Распознание речи
Д
ля
распознавания финской и японской речи.
Шестиугольная сетка нейронов Кохонена
хорошо зарекомендовала себя в качестве
двумерного соревновательного слоя. Оня
была предложена Кохоненом (88-89) в качестве
фонемных карт для распознания финской
и японской речи.
Дискретизированные звуки речи каждые 10 ms подвергаются преобразованию Фурье. Полученный при этом кратковременный спектр разделяется на 15 диапазонов частот.
Самоорганизующаяся карта Кохонена имеет соответственно 15 входных нейронов. На вход каждого из них подается интенсивность одного частотного диапазона. Соревновательный слой содержит 12x8 нейронов для распознования различных фонем (звуков). При этом не каждый нейрон соответствует одной фонеме. Олна фонема может быть представлена несколькими нейронами соревновательного слоя. Произнесенное слово, представленное нейросети, состоит из последовательности вводов. При этом последовательность нейронов-победителей описывает это слово в форме пути на фонемной карте.
Р
оботы
Задача состоит при этом в такой установке руки робота, чтобы она могла взять предмет на ровной рабочей поверхности. Входная информация для управления рукой робота поступает от двух камер, формирующих двумерных вектор положения предмета на поверхности. На основе этой входной информации определяется 3 угла ~1, ~2, ~3 плеч робота так, чтобы рука робота разместилась непосредственно над предметом.
БИЛЕТ N 6
1.Динамические нейросети с внутренней динамикой
В динамических нейронных сетях отображение внешней информации, и ее обработка осуществляется в виде некоторого динамического процесса, то есть процесса, зависящего от времени. В сетях с внутренней динамикой динамика процессов или систем моделируется не на входе сети, а внутри. Различают два основных типа сетей с внутренней динамикой – сети Жордана и Элмана.
В
них динамика процессов или систем
учитывается путем введения так называемых
контекстных нейронов. В сетях Жордана
входами контексных нейронов являются
выходы выходных нейронов, а в сетях
Элмана входами контекстных нейронов
являются выходы скрытых нейронов.
БИЛЕТ N 7
Применение сетей Хопфилда (Hopfield) для решения проблем оптимизации (TSP-проблема). Заданы 4 города A,B,C,D. Опишите маршрут С,B,D,A с помощью матрицы Хопфилда. Двунаправленная ассоциативная память
Применение сетей Хопфилда для решения проблем оптимизации.
Для решения проблемы коммивояжера разработали способ представления маршрутов в виде матрицы (прямоугольной) со строками-пунктами, и столбцами-позициями пунктов в маршруте.
A,B,C,D.E A,C,E,B,D
Для решения задачи используется прямоугольная сеть Хопфилда.
Обозначим через Ox,i выход нейрона на пересечении строки х (пункт х) и i-ой позиции. В начале запускается переходный процесс сети с двумя условиями: каждый пункт должен быть посещен 1 раз и общая длина пути должна быть минимальной. Если в результате переходного процесса Ox,i , то пункт х проходится на i-ом этапе пути, если Ox,i =0, то пункт х проходится на ином этапе (не на i-ом).
Применение сетей Хопфилда для оптимизации.
Ox,i (где х – строка (город), i- позиция (№ маршрута))
Совокупность Ox,i =1, xN, iN задает маршрут (квазиоптимальный)
Функция цели: waylength min, все города посещаются 1 раз. На i-ой позиции - 1 город.
Двунаправленная ассоциативная память.
Ассоциативно-запоминающее устройство (АЗУ) – это ЗУ с ассоциативной связью между номером ячейки памяти и информацией, запомненной по этому адресу.
Структура ДАП:
Матрица связей
- от слоя 1 к слою 2
Матрица связей
- от слоя 2 к слою 1
=
БИЛЕТ N 7
2. Заданы функции активации двух формальных нейронов скрытого слоя RBF-сети в виде радиальных базисных функций с центрами x1=( x1=3, x2=2)T и x2=( x1=2, x2=1)T, σ=1
Определить выходы этих скрытых нейронов для входного вектора x=(x1=2, x2=2)T
;
;
БИЛЕТ N 6