Отправить другу/подруге по почте ссылку на эту страницуВариант этой страницы для печатиНапишите нам!Карта сайта!Помощь. Как совершить покупку…
московское время08.08.22 12:46:37
На обложку
Статистическая теория жидкостейавторы — Фишер И. З.
Сопротивляемость сварных узлов хрупкому разрушениюавторы — Копельман Л. А.
Ecuaciones Diferenciales y cálculo variacionalавторы — Elsgoltz L.
б у к и н и с т и ч е с к и й   с а й т
Новинки«Лучшие»Доставка и ОплатаМой КнигоПроводО сайте
Книжная Труба   поиск по словам из названия
ОБРАБОТКА ЗАКАЗОВ ПОСЛЕ 25 АВГУСТА
Авторский каталог
Каталог издательств
Каталог серий
Моя Корзина
Только цены
Рыбалка
Наука и Техника
Математика
Физика
Радиоэлектроника. Электротехника
Инженерное дело
Химия
Геология
Экология
Биология
Зоология
Ботаника
Медицина
Промышленность
Металлургия
Горное дело
Сельское хозяйство
Транспорт
Архитектура. Строительство
Военная мысль
История
Персоны
Археология
Археография
Восток
Политика
Геополитика
Экономика
Реклама. Маркетинг
Философия
Религия
Социология
Психология. Педагогика
Законодательство. Право
Филология. Словари
Этнология
ИТ-книги
O'REILLY
Дизайнеру
Дом, семья, быт
Детям!
Здоровье
Искусство. Культурология
Синематограф
Альбомы
Литературоведение
Театр
Музыка
КнигоВедение
Литературные памятники
Современные тексты
Худ. литература
NoN Fiction
Природа
Путешествия
Эзотерика
Пурга
Спорт

/Наука и Техника

Нейросетевые системы управления — Терехов В. А., Ефимов Д. В., Тюкин И. Ю.
Нейросетевые системы управления
Учебное пособие для вузов
Терехов В. А., Ефимов Д. В., Тюкин И. Ю.
год издания — 2002, кол-во страниц — 183, ISBN — 5-06-004094-1, тираж — 5000, язык — русский, тип обложки — твёрд. 7БЦ, издательство — Высшая школа
КНИГА СНЯТА С ПРОДАЖИ
Рецензенты:
кафедра систем автоматического управления Таганрогского государственного радиотехнического университета им. В. Д. Калмыкова (зав. кафедрой — д. техн. наук, проф. А. А. Колесников);
д. техн. наук, ст. науч. сотр. В. В. Ефимов (Военный инженерно-космический университет им. А. Ф. Можайского, г. Санкт-Петербург)
Формат 60x88 1/16. Бумага офсетная № 1. Печать офсетная
ключевые слова — нейросет, нейронн, хопфилд, алгоритм, синергетик, прогноз, адаптивн

В пособии изложены вопросы теории и методы синтеза систем управления нелинейными динамическими объектами на основе обучаемых многослойных нейронных сетей. Значительное внимание уделено фундаментальным свойствам нелинейных многослойных нейросетей и алгоритмам их обучения в реальном времени.

Приведены базовые функциональные структуры нейросетевых динамических систем управления и идентификации состояния. Структурный и алгоритмический синтез нейросетевых систем основывается на положениях теории синергетического управления. Рассмотрены примеры, иллюстрирующие использование многослойных нейронных сетей в качестве нелинейных регуляторов, и примеры компьютерного моделирования нейросетевых систем управления многосвязными нелинейными объектами с применением пакета MATLAB 6.0.

Для студентов высших учебных заведений, обучающихся по специальности «Управление и информатика в технических системах» и направлению «Автоматизация и управление».

ОГЛАВЛЕНИЕ

Предисловие3
Введение6
 
Глава 1. Многослойные нейронные сети13
1.1. Классификация искусственных нейронных сетей14
1.2. Базовый процессорный элемент (искусственный нейрон)17
1.3. Статические линейные однослойные сети18
1.4. Статические многослойные нейронные сетн19
1.5. Нейронные сети с радиально-базисными функциями активации22
1.6. Динамические многослойные нейронные сети26
    1.6.1. Сети Хопфилда27
1.7. Свойства многослойных нейронных сетей33
    1.7.1. Способность к обучению и накоплению информации33
    1.7.2. Аппроксимационные свойства нейронных сетей33
    1.7.3. Аппроксимация и память в многослойных нейросетях35
 
Глава 2. Алгоритмы обучения статических многослойных нейронных сетей41
2.1. Общая характеристика алгоритмов обучения искусственных
нейросетей
41
2.2. Метод и алгоритм обратного распространения ошибки43
    2.2.1. Настройка коэффициентов выходного слоя44
    2.2.2. Настройка весовых коэффициентов скрытых слоёв
нейросети
47
    2.2.3. Алгоритм обучения многослойной нейросети по методу ВР51
2.3. Дифференциальные уравнения процессов преобразования и
обучения многослойной нейросети по алгоритму ВР
54
2.4. Эквивалентное преобразование уравнений настройки
многослойной нейросети по алгоритму ВР
56
2.5. К анализу устойчивости процессов в многослойной нейросети61
    2.5.1. Достаточное условие устойчивости процессов обучения
нейросети
61
    2.5.2. Устойчивость и качество непрерывных процессов обучения63
    2.5.3. Устойчивость процессов в дискретные моменты
времени
67
2.6. Компьютерное исследование процессов в многослойной
нейронной сети
73
    2.6.1. Моделирование эквивалентной структурной схемы
обучаемой многослойной нейросети
73
    2.6.2. Выбор параметра γ, обеспечивающего устойчивость
процессов обучения нейросети при периодических
воздействиях с интегрируемыми производными по
времени
76
    2.6.3. Выбор параметра γ, обеспечивающего сходимость
процесса обучения нейросети при изменении эталонной
функции u*
79
    2.6.4. Выбор параметра γ, обеспечивающего сходимость
процесса обучения при изменении структуры нейросети
81
 
Глава 3. Динамические алгоритмы обучения многослойных нейронных сетей85
3.1. Синтез динамических алгоритмов обучения85
    3.1.1. Возможные подходы к синтезу алгоритма обучения85
    3.1.2. Постановка задачи синтеза динамического алгоритма89
    3.1.3. Уравнение обобщённого настраиваемого объекта91
3.2. Скоростной алгоритм обратного распространения ошибки92
3.3. Условия применения метода скоростного градиента в
нейросетевых адаптивных системах управления
96
3.4. Динамический алгоритм с прогнозом ошибки обучения98
3.5. Алгоритмы обучения динамических нейронных сетей104
    3.5.1. Алгоритм обратного распространения ошибки во
времени
104
    3.5.2. Алгоритм обратного распространения ошибки в
структуре обобщённого настраиваемого объекта
111
    3.5.3. Обучение сетей Хопфилда116
3.6. Примеры компьютерного моделирования116
    3.6.1. Нейросетевая система с линейным объектом116
    3.6.2. Нейросетевая система с нелинейным объектом120
    3.6.3. Управление нелинейным объектом на основе алгоритма ВРТТ122
 
Глава 4. Функциональные структуры нейросетевых систем управления124
4.1. Типовые модели динамических систем с многослойными
нейронными сетями
125
    4.1.1. Прямая модель обучения125
    4.1.2. Схема обобщённого инверсного обучения126
    4.1.3. Схема специализированного инверсного обучения127
4.2. Функциональные структуры систем управления с многослойными нейросетями129
    4.2.1. Система управления с прямой и инверсной моделями
объекта
129
    4.2.2. Адаптивная система управления с прямой и инверсной
моделями объекта управления
130
    4.2.3. Адаптивная система непрямого действия с прямой и
инверсной моделями обучения
131
    4.2.4. Функциональные структуры систем управления с
многослойными нейросетями, настраиваемыми по
алгоритмам SBP и ВРР
137
 
Глава 5. Синергетический подход к синтезу нейросетевых систем управления139
5.1. Теория синергетического управления139
5.2. Синтез систем управления с многослойными нейросетями147
5.3. Синтез функций обобщённой ошибки обучения многослойной
нейросети
151
5.4. Обобщённая функциональная структура нейросетевых систем
управления
152
5.5. Пример синтеза нейросетевой системы стабилизации
состояния корабля на воздушной подушке
156
 
Заключение162
Приложение 1. Скоростной алгоритм обратного распространения ошибки165
Приложение 2. Элементы математического моделирования нейросетевых
систем управления в программной среде MATLAB 6.0
168
Приложение 3. Текст программы моделирования обучаемой МНС
в формате S-функции пакета MATLAB
174
 
Литература177

Книги на ту же тему

  1. Нейросетевые системы управления, Терехов В. А., Ефимов Д. В., Тюкин И. Ю., 2002
  2. Математическая теория обучаемых опознающих систем, Фомин В. Н., 1976
  3. Нейронное программирование диалоговых систем, Толкачёв С. Ф., 2006
  4. Модернизация системы налогового контроля на основе нейросетевых информационных технологий, Букаев Г. И., Бублик Н. Д., Горбатков С. А., Саттаров Р. Ф., 2001
  5. Нечёткие модели и сети, Борисов В. В., Круглов В. В., Федулов А. С., 2007
  6. Стохастические модели обучаемости, Буш Р., Мостеллер Ф., 1962
  7. Автоматизация синтеза и обучение интеллектуальных систем автоматического управления, Макаров И. М., Лохин В. М., ред., 2009
  8. Методы принятия технических решений, Мушик Э., Мюллер П., 1990
  9. Контроль динамических систем. — 2-е изд., перераб. и доп., Евланов Л. Г., 1979
  10. Методы распознавания: Учебное пособие для вузов. — 3-е изд., перераб. и доп., Горелик А. Л., Скрипкин В. А., 1989
  11. Игровое моделирование экономических процессов (деловые игры), Гидрович С. Р., Сыроежин И. М., 1976

Напишите нам!© 1913—2013
КнигоПровод.Ru
Рейтинг@Mail.ru btd.kinetix.ru работаем на движке KINETIX :)
elapsed time 0.030 secработаем на движке KINETIX :)