- •Глава 5. Нейросетевые алгоритмы систем обнаружения и распознавания сигналов
- •5.1. Сокращение размерности и выбор информативных признаков в автономных информационных системах с нейросетевыми трактами обработки сигналов
- •Алгоритм (5.11)
- •5.2. Сравнение классических и регрессионных методов сокращения размерности и выбора информативных признаков сигналов
- •Мощности реализации сигнала самолета
- •Мощности реализации сигнала вертолета
- •5.3. Применение нейросетевых и методов к решению задач вычисления множественных коэффициентов регрессии и обращения плохо обусловленных матриц Обусловленность вычислительной задачи
- •Обусловленность матриц корреляционных моментов информативных признаков
- •Сигналов с прямоугольным () и гауссовым () спектром
- •Получение коэффициентов множественной регрессии и обращение матриц при помощи нейронной сети
- •5.4. Робастное обучение нейросети
- •5.5. Вопросы практической реализации нейросетевых трактов в аис Формирование вектора признаков в нейросетевой системе распознавания акустических сигналов
- •Акустических сигналов самолета и вертолета Скорость обучения нейросети при различных функциях активации и количестве нейронов скрытого слоя
- •Скорость обучения и ошибки тестирования робастной нейросети
- •Активационной функцией
- •Активационной функцией
- •Нейросетевой тракт обработки интервалов между нулями входных реализаций
Обусловленность матриц корреляционных моментов информативных признаков
Проблема обусловленности матрицы корреляционных моментов информативных признаков возникает при решении задачи нахождения МКНР. Для получения МКНР требуется обратить матрицу корреляционных моментов случайного входного вектора. Обусловленность матриц рассмотрим на примере обусловленности матрицы ковариационных моментов интервалов между нулями случайного процесса. Выбор этой матрицы основан на возможности получения ее теоретически. Не требуется вычисления выборочной корреляционной матрицы, элементы которой подсчитываются на основании имеющихся наблюдений. Использование вычисленного теоретически значения матрицы позволит получить более достоверные результаты.
Теоретически элементы матрицы ковариационных моментов интервалов между нулями стационарного случайного процесса можно получить по формуле (2.52) (П2.4):
,
(5.28)
где В - корреляционная
функция фазы процесса, определяемая по
формуле (2.56). Корреляционную функцию
фазы В
необходимо определить при фиксированных
значениях аргумента
.
Математическое ожидание случайной
величины i:
.
Как показано в П.2.4 ковариационные
моменты интервалов между нулями зависят
от относительной ширины полосы спектра
процесса
.
Это дает возможность исследовать ее
обусловленность не только в зависимости
от размерности входного вектора, но и
в зависимости от относительной ширины
полосы спектра сигнала. На рис.5.11, 5.12,
5.13 приведены графики зависимостей числа
обусловленности матрицы
корреляционных моментов интервалов
между нулями стационарного случайного
процесса в зависимости от относительной
ширины полосы
при различных n=const, где n - размерность
входного вектора.
Рис.5.11. Зависимость числа обусловленности матрицы от при n=2 для сигнала с прямоугольным спектром
Рис. 5.12. Зависимость числа обусловленности матрицы от при n=5 для сигналов с прямоугольным спектром
Рис. 5.13. Зависимость числа обусловленности матрицы от при n=10 для сигнала с прямоугольным спектром
Из приведенных зависимостей видно, что при уменьшении относительной ширины полосы энергетического спектра стационарного случайного процесса число обусловленности матрицы корреляционных моментов интервалов между нулями резко возрастает. При моногармоническом процессе матрица С вырождена, следовательно, она не имеет обратной и вычислить коэффициенты начальной регрессии через элементы обратной матрицы не представляется возможным. Опираясь на определение числа обусловленности матрицы, можно сделать вывод, что погрешности вычислений с помощью таких матриц возрастают на несколько порядков, что является недопустимым.
На рис. 5.14 – 5.16 приведены графики зависимостей числа обусловленности матрицы ковариационных моментов интервалов между нулями стационарного случайного процесса с в зависимости от размерности входного вектора n при различных .
Рис.5.14. Зависимость числа обусловленности матрицы от n при =0.1 для сигналов с прямоугольным () и гауссовым () спектром
Рис. 5.15. Зависимость числа обусловленности матрицы от n при =0.3 для
