Нейронные сети и нейроконтроллеры. Бураков М.В. - 119 стр.

119

вается нескоррелированной с ошибкой обучения инверсного кон-

троллера e

u

(t), т. е. она может иметь другие знак и амплитуду [26].

В то же время любая достаточно грубая аппроксимация e

u

(t) с

помощью e

y

(t) позволяет процессу обучения сходиться.

Для того чтобы избежать проблем специализированного инверс-

На первом этапе происходит обучение нейроэмулятора в режи-

ме offline. Нейроэмулятор считается обученным, если при одина-

ковых значениях на его входах и входах реального объекта разли-

чие их значений на выходах становится незначительным. После

завершения обучения нейроэмулятора проводится обучение ней-

роконтроллера. Обучение выполняется в режиме on line по такой

же схеме, как и в случае инверсного специализированного нейро-

управления (рис. 4.28).

В процессе обучения НК текущая ошибка управления пропуска-

ется через нейроэмулятор в обратном направлении.

обратно к входному слою, будет соответствовать ошибке e

u

(t). Это

делает схему обучения пригодной для использования в большин-

стве линейных систем.

Механизм обратного прохождения ошибки через нейроэмуля-

тор реализует локальную инверсную модель в текущей точке про-

Рис. 4.28. Обратное распространение во времени

е

u

(t)

Обучение

y

е