- •1) Монотонные.
- •Проблема функции исключающее или
- •Линейная разделимость
- •Релаксационные нейронные сети
- •Методы инициализации весов
- •Train Обучение нейронной сети
- •Initial input – начальный уровень входа;
- •Нелинейные системы
- •Адаптивное управление
- •Автономное обучение нейроконтроллера и эмулятора
- •Оперативное обучение
Автономное обучение нейроконтроллера и эмулятора
Для обучения инверсной динамики используются выходные сигналы объекта управления вместе с несколькими задержанными значениями (в качестве образцов входных сигналов) и соответствующими входными сигналами объекта управления (в качестве желаемых образцов). Нейроэмуляторы обучаются прямой динамике объекта управления, используя для этого входные сигналы вместе с несколькими задержанными значениями (в качестве образцов входных сигналов) и соответствующими выходными сигналами (в качестве желаемых образцов). При автономном обучении нейронной сети сигнал обратного распространения ошибки между выходным и скрытым слоями выражается следующим образом:
где tk — заданный (желаемый) образец, a Ok — действительный выходной сигнал нейронной сети. Между скрытым и входным слоем модели объекта управления, сигнал обратного распространения ошибки имеет вид
Здесьf' — производная функции f, гдеf(x)=l/(l+exp(-x)). Веса связей между входным и скрытым слоями корректируются следующим образом:
а между скрытым и выходным слоями — в соответствии с выражением
где Оi и Оj — выходные сигналы входного и скрытого слоев соответственно; | — скорость обучения; а и — коэффициенты мгновенного значения и ускорения соответственно. Константы , a и выбираются эмпирическим путем.
Оперативное обучение
Коррекция весов нейросетевого контроллера производится на основе характеристики ошибки:
Е = .5*[r-у]2,
где r и у — соответственно заданная (желаемая) и фактическая выходные координаты объекта управления. Эта ошибка распространяется в обратном направлении через эмулятор. Так как функция выходных нейронов является линейной, сигнал ошибки между скрытым и выходным слоями эмулятора выражается как
где индекс Е обозначает эмулятор, а индекс k — выходной слой. Сигнал ошибки между скрытым и входным слоем эмулятора определяется формулой
где и — соответственно выходной и входной сигналы нейронов скрытого слоя эмулятора. Используя цепное правило, получим выражение
где - — вес связи между скрытым и выходным слоем эмулятора. Сигнал ошибки между скрытым и выходным слоем контроллера:
где и — соответственно выходной и входной сигналы нейронов выходного слоя контроллера. Так как выходные нейроны контроллера описываются линейной функцией с насыщением, то и, таким образом,
.
Для скрытого и входного слоев контроллера сигнал ошибки имеет вид:
где — выходной сигнал нейронов скрытого слоя контроллера.