Фгбоу впо “Воронежский государственный технический университет”

Кафедра робототехнических систем

Нейронные сети методические указания

к лабораторным работам № 3, 4

"Методы нечеткой логики и нейросетевого управления в робототехнике"

для студентов направления 221000.62 “Мехатроника и робототехника” (профиль “Промышленная и специальная робототехника”)

очной формы обучения

Воронеж 2013

Составитель канд. Техн. Наук в.А. Медведев

УДК 621.825

Нейронные сети: методические указания к лабораторным работам № 3, 4 по дисциплине “Методы нечеткой логики и нейросетевого управления в робототехнике” для студентов направления 221000.62 “Мехатроника и робототехника” (профиль “Промышленная и специальная робототехника”) очной формы обучения / ФГБОУ ВПО “Воронежский государственный технический университет”; сост. В.А. Медведев. Воронеж, 2013. 30 с.

Методические указания содержат теоретические сведения о структуре, математической модели и функциях активации искусственного нейрона, структуре, принципе работы персептрона и алгоритме его обучения, конструкции нейронных сетей Хопфилда и Хэмминга, а также о пакете программ Neural Networks Toolbox для моделирования нейронных сетей в системе MATLAB. Сформулированы предварительное, рабочее задания на лабораторные работы и контрольные вопросы.

Методические указания предназначены для студентов 3 курса очной формы обучения.

Методические указания подготовлены в электронном виде в  текстовом редакторе MS Word и содержатся в файле MET_3_4_нейрон.doc

Табл. 2. Ил. 7. Библиогр.: 2 назв.

Рецензент канд. техн. наук., доц. А.В. Романов

Ответственный за выпуск зав. кафедрой д-р техн. наук, проф. А.И. Шиянов

Издается по решению редакционно-издательского совета Воронежского государственного технического университета

с ФГБОУ ВПО “Воронежский

г

Слой 1 Слой 2

осударственный технический университет”, 2013

Лабораторная работа № 3

ИССЛЕДОВАНИЕ ЭЛЕМЕНТОВ НЕЙРОННОЙ СЕТИ

1. Цель работы

Изучить структуру, математическую модель искусственного нейрона, функции активации нейронов, а также структуру, принцип работы персептрона и алгоритм его обучения. Исследовать работу классификаторов на персептроне, сети Хопфилда и сети Хэмминга.

2. ТЕОРЕТИЧЕСКИЕ СВЕДЕНИЯ

2.1. Структура и математическая модель искусственного нейрона

Нейронные сети (НС) являются средством разделения пространства признаков, представленных набором входных параметров с определенной размерностью, которая задает число входов сети [1].

Нейрон – это составная часть нейронной сети. На рис. 1 показана его структура.

В состав нейрона входят синапсы с умножителями, сумматор и нелинейный преобразователь. Синапс осуществляет связь между нейронами и умножает входной сигнал на число, характеризующее силу связи, – вес синапса. Сумматор выполняет сложение сигналов, поступающих по синаптическим связям от других нейронов, и внешних входных сигналов. Нелинейный преобразователь реализует нелинейную функцию одного аргумента – выхода сумматора. Она называется функцией активации или передаточной функцией нейрона. Нейрон в целом реализует скалярную функцию векторного аргумента. Математическая модель нейрона описывается соотношениями:

(1)

где w_i – вес синапса (i = l...n);

b – значение смещения;

s – результат суммирования;

х_i – компонент входного вектора (входной сигнал);

у – выходной сигнал нейрона;

n – число входов нейрона;

f – нелинейное преобразование (функция активации или передаточная функция).