Искусственные нейронные сети. Сивохин А.В - 129 стр.

   Weight function – раздел блоков функций взвешивания: dotprod,
normprod, dist и negdist.
   В разделе блоков управляющих систем Control Systems имеется
три вида нейронных регуляторов:
   Neural Net Predictive Controller – регулятор с предсказанием бу-
дущих реакций процесса на случайные сигналы управления. Алго-
ритм оптимизации вычисляет управляющие сигналы, которые мини-
мизируют разность между желаемыми и действительными измене-
ниями сигнала на выходе модели и таким образом оптимизируют
управляемый процесс. Построение модели управляемого процесса
выполняется автономно с использованием нейронной сети, которая
обучается в групповом режиме с использованием одного из алгорит-
мов обучения. Реализация такого регулятора требует значительного
объема вычислений, поскольку расчеты по оптимизации выполняют-
ся на каждом такте управления.
   Narmal2(Nonlinear Autoregressive – Moving Average) – регуля-
тор на основе модели авторегрессии со скользящим средним. Дан-
ный регулятор представляет собой модифицированную нейросете-
вую модель управляемого процесса, полученную на этапе автоном-
ной идентификации. Вычисления в реальном времени связаны толь-
ко с реализацией нейронной сети.
   Model Reference Controller – регулятор на основе эталонной мо-
дели. Такой регулятор требует обучения нейронной сети управляе-
мого процесса и нейронной сети регулятора. При этом обучение ре-
гулятора оказывается достаточно сложным, поскольку обучение ос-
новано на динамическом варианте метода обратного распростране-
ния ошибки, так как нейронная сеть использует линии задержки. Ре-
гуляторы на основе эталонной модели применимы к различным
классам управляемых процессов.
   Для каждой из трёх архитектур регуляторов используется одна и
та же процедура идентификации управляемого процесса. Нейронная
модель во всех случаях представляет собой двухслойную сеть с пря-
мой передачей сигнала и с линиями задержки на каждом слое. Вход-
ной, или скрытый (hiden) слой может иметь произвольное число
нейронов. Выходной слой имеет только один нейрон. Для входного
слоя функции взвешивания, накопления и активизации являются со-


                               129