- •Фгбоу впо “Воронежский государственный технический университет”
- •Нейронные сети методические указания
- •Составитель канд. Техн. Наук в.А. Медведев
- •Цель работы
- •2.1. Структура и математическая модель искусственного нейрона
- •2.2. Функции активации нейронов
- •2.3. Персептроны
- •2.4. Сеть Хопфилда
- •2.5. Сеть Хэмминга
- •4. Рабочее задание
- •5. Контрольные вопросы
- •1. Цель работы
- •2. Теоретические сведения
- •2.1. Функции пакета Neural Networks Toolbox
- •2.2. Функции активации в пакете Matlab
- •2.3. Функции обучения нейронных сетей
- •2.4. Функции создания нейронных сетей
- •2.5. Функции использования нейронных сетей
- •2.6. Создание однонаправленной сети
- •4. Рабочее задание
- •5. Контрольные вопросы
- •Библиографический список
- •Содержание
- •394026 Воронеж, Московский просп., 14
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
Лабораторная работа № 3
ИССЛЕДОВАНИЕ ЭЛЕМЕНТОВ НЕЙРОННОЙ СЕТИ
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 wi – вес синапса (i = l...n);
b – значение смещения;
s – результат суммирования;
хi – компонент входного вектора (входной сигнал);
у – выходной сигнал нейрона;
n – число входов нейрона;
f – нелинейное преобразование (функция активации или передаточная функция).