Решение на такава задача от мозъка може да бъде обработката на информация от обикновеното зрение (human vision). Във функциите на зрителната
Изтегляне 1.78 Mb. Pdf просмотр
|
Свързани:
Kniga uchitel IT 6. klas Даниела Убенова (1), Kniga uchitel IT 8. klas Даниела Убенова, elektronno-obuchenie
| Управление Управлението на предприятие (plant) е още една задача за обучение, което може да се реши с използването на невронните мрежи. Под термина „предприятие” се разбира процес или критична част от системата, подлежаща на управление. Контекста на задачата за управление на мозъка се явява живо доказателство за създаване на обобщена система на управление, използваща предимствата на успоредното разпределение на изчисленията и едновременно управляваща хиляди функционални механизми. Такава ситема се явява нелинейна, може да обработва шум и да оптимизира своята работа в дългосрочен план. 57 Ще разгледаме системата за управление с обратна връзка (feedback control system), показана на фиг.2.13. В този случай системата използва единствена обратна връзка, обхващаща целия обект за управление (т.е. изхода на обекта е свързан с неговия изход). Изхода на обекта на управление у се изчислява от еталонния сигнал (reference signal) , приет от външния източник. Така получения сигнал за грешки е се обработва от невроконтролер (neurocontroller) за настойка на свободните параметри. Основната задача на контролена е да поддържа такъв входен вектор за обекта, за който изходният сигнал у съответства на еталонната стойност . В задачата за контролера влизат инвертиране на образния вход – изход обект за управление. Заместваме във фиг. 2.13. сигнала за грешки е разпространен чрез невроконтролер, преди да достигне обекта на управление. Следователно за настройката на свободния параметър на обекта за управление в съответствие с алгоритъма на обучение основан на корекция на грешките е необходимо използването на матрицата на Якоби: Където елемент на входния сигнал у на обекта за управление; елемент на вектора на входния обект u. Частните производни за различни зависят от работата на точките на обекта за управление, и следователно са неизвестни. За техните оценки се използват два подхода: Непряко обучение (indirect learning). С използването на текущите измервания на входа и изхода на обекта за управление се построява модел на невронната мрежа, възпроизвежащ тази зависимост. Той се използва за оценка на матрицата на Якоби J. Частните производни съответстващи на тази матрица се използват в алгоритъма за обучение основан на корекция на грешките за настройване на свободните параметри на невроконтролера. Пряко обучение (direct learning). Знаците на частните производни в общият случай са известни и остават постоянни в някой динамични диапазони на стойности за обекта на управление. Следователно частните производни могат да се апроксимират по знаците им. Абсолютните стойности на частните производни се задават от разпределение представено в свободните параметри на невроконтролера. Изтегляне 1.78 Mb. Сподели с приятели:
|