Cведения о нейронах и искусственных нейросетях

Содержание

Слайд 2

Биологический нейрон

Биологический нейрон

Слайд 3

Первые работы по созданию искусственных моделей нейронов и нейронных сетей

1943 г.

Первые работы по созданию искусственных моделей нейронов и нейронных сетей 1943 г.
работа Уоррена С.Маккаллока и Вальтера Питтса
"Логическое исчисление идей, относящихся к нервной активности".

Главный принцип теории
произвольные явления, относящиеся к высшей нервной деятельности, могут быть проанализированы и поняты, как некоторая активность в сети, состоящей из логических элементов, принимающих только два состояния ("все или ничего").

Слайд 4

Математическая модель единичного нейрона

Функциональная схема формального нейрона Маккалока и Питтса.

Математическая модель единичного нейрона Функциональная схема формального нейрона Маккалока и Питтса.

Слайд 5

Наиболее широко используемые типы переходных функций Y=f(net)

Пороговая функция (рассмотренная Маккалоком и Питтсом):

Наиболее широко используемые типы переходных функций Y=f(net) Пороговая функция (рассмотренная Маккалоком и

Линейная функция, а также ее вариант - линейная функция с погашением отрицательных сигналов:

Сигмоидальная функция:

Слайд 6

Пример трехслойной нейронной сети с последовательным соединением слоев

Пример трехслойной нейронной сети с последовательным соединением слоев

Слайд 7

Обучение формального нейрона

Функция, выполняемая нейроном

Формальный нейрон с двумя входами, занятый

Обучение формального нейрона Функция, выполняемая нейроном Формальный нейрон с двумя входами, занятый
обработкой образа в виде одномерной цепочки черных и белых клеток.

Слайд 8

Применение нейронных сетей для управления сложными системами

Контроллеры на основе НС эффективны в

Применение нейронных сетей для управления сложными системами Контроллеры на основе НС эффективны
случаях, когда создание адекватной аналитической модели исполнительной системы и синтез на ее основе регуляторов крайне затруднен

Например в ситуациях:
- наличие заранее неопределенных внешних воздействий (например, при работе машины в экстремальных средах);
- переменность параметров и структуры самой системы;
- существенные внутренними возмущающими воздействиями ( например, действие сил сухого и вязкого трения в механических устройствах);
- сложные физические (в частности, динамические) взаимосвязи между элементами системы (например, в системах гидравлических приводов);
- технические и методические проблемы с постановкой и проведением экспериментальных исследований на реальных объектах для идентификации параметров математической модели с необходимой точностью.

Слайд 9

Применение нейронных сетей для управления мехатронными системами

Исполнительный уровень
1. Разработка регуляторов исполнительного уровня

Применение нейронных сетей для управления мехатронными системами Исполнительный уровень 1. Разработка регуляторов
на базе НС для управления движением мехатронных модулей.

2. Настройка коэффициентов (Кп, Кд, Ки) стандартных ПИД-регуляторов
На выходе НС получаются значения соответствующих коэффициентов

Имя файла: Cведения-о-нейронах-и-искусственных-нейросетях.pptx
Количество просмотров: 179
Количество скачиваний: 1