Искусственные нейронные сети. Сивохин А.В - 120 стр.

            Лабораторная работа № 14

        Исследование сетей Элмана
   Цель работы: изучение архитектуры рекуррентных нейронных
сетей Элмана и специальных функций для их создания, инициализа-
ции, настройки весов и смещений, обучения; ознакомление с демон-
страционным примером и его скриптом, а также приобретение навы-
ков построения сетей управления движущимися объектами, построе-
ния систем технического зрения и решения других динамических
задача.

              Теоретические сведения
   Сети Элмана относятся к классу рекуррентных нейронных сетей.
Характерной особенностью архитектуры рекуррентных сетей являет-
ся наличие блоков динамической задержки и обратных связей. Это
позволяет таким сетям обрабатывать динамические модели.
   Сети Элмана состоят их двух слоёв – выходного и входного, при
этом входной слой охвачен динамической обратной связью с исполь-
зованием линии задержки. Динамическая обратная связь позволяет
учесть предысторию наблюдаемых процессов и накопить информа-
цию для выработки правильной стратегии управления. В ряде при-
менений используется несколько слоёв нейронов.
   Во входном слое двухслойной сети Элмана используется переда-
точная функция гиперболического тангенса transig, в выходном
слое – линейная функция purelin. Такое сочетание передаточных
функций позволяет максимально точно аппроксимировать функции с
конечным числом точек разрыва. Для этих целей необходимо также,
чтобы выходной слой имел достаточно большое число нейронов.
   Все эти слои Элмана имеют смещения. Функциями взвешивания и
накопления являются функции dotprod и ntesum соответственно.
Выход последнего слоя является выходом сети. Веса и смещения
инициализируются с помощью функции initnw, реализующей алго-
ритм Нгуена–Видроу. Aдаптация реализуется с помощью функции
adaptwb, которая устанавливает режим, при котором веса и смеще-


                              120