Выбор топологии нс для решения задач нейроуправления

Существуют различные методы:

1. Статистические методы.

2. Конструктивные методы.

3. Деструктивные методы.

4. Эволюционные методы.

Статистические методы основаны на использовании некоторой зависимости между параметрами НС.

, где функция активации нейронов, n – число скрытых слоев, k – число нейронов в каждом слое.

Для НС известно число входов (определяет размерность входного вектора), число выходов (число распознаваемых классов). Поэтому основная задача заключается в нахождении количества скрытых слоев. Для статических методов эта зависимость известна заранее на основе предыдущих опытов. Построение регрессионных моделей «вход – выход» позволяет предсказывать результаты обучения в зависимости от входных параметров.

Конструктивные методы реализуются на основе постепенного перехода от сети с минимальной сложностью к сети более сложной конфигурации.

Существует два подхода:

• Каждый раз при добавлении нейронов в скрытый слой вычисляется ошибка обобщения, и если она допустима, то выбирается данная конфигурация.

• Второй подход состоит в добавлении скрытых слоев. Например, при каскадной корреляции Фармана скрытый слой состоит из одного нейрона.

В более общем случае используются определенные правила; если одно правило не подходит (не получена заданная ), осуществляется переход к следующему правилу:

1. добавляются блоки нейронов;

2. добавляются нейроны;

3. добавляются перекрестные связи.

То есть НС постепенно возрастает (увеличивается сложность S).

Эволюционные методы основаны на генетических алгоритмах оптимизации.

Создается популяция нейронных сетей. К ней применяются генетические операторы с целью минимизации сложности НС.

Эффективность алгоритма во многом зависит от метода кодирования хромосом популяции.

1. 

2. 

3. 

4. 

I II III IV

- описание данной НС

Данный путь кодирования путей в хромосоме наиболее эффективен.

Практическое применение нс Управление движением робота по заданной траектории

Lauron

Nomand 200

Схема функционирования робота:

1. Видеокамера предназначена для хранения заданной траектории.

2. Блок обработки видео предназначен для представления изображения в виде бинарной матрицы.

3. Блок обработки направления движения предназначен для определения угла поворота траектории движения робота для приближения к заданной траектории.

4. Блок управления предназначен для отработки движения робота.

Для обучения НС формируется обучающая выборка, состоящая из пар , где часть траектории, действие робота.

Диапазон изменения угла поворота: , шаг изменения – .

В каждый момент времени активен только один нейрон.

Обучение и формирование обучающей выборки для управления мобильным роботом

В качестве обучающей выборки берутся типичные участки траектории, тогда выходной вектор – требуемый угол поворота.

Вход – тип траектории; выход – угол поворота.

Можно выделить два типа траектории:

1. прямые линии;

2. кривые линии.

4. Тип траектории – прямая линия:

Для реализации поставленной задачи используется многослойный персептрон (MLP).

Значения углов поворотов робота (выходов системы) желательно варьировать.

4. Тип траектории – кривая линия:

Необходимо производить аппроксимацию кривых линий.