54 Алгоритм нечеткого управления
F
-
фазификатор (преобразует непр. Сигнал
в лингвистические переменные)
DF — дефазификатор (лингвистические переменные в непрерывный сигнал)
КНЛ — контроллер нечеткой логики
Б
П
формируется исходя из цели управления.
Фаззификацией называется преобраз.
действительных значений входных
переменных в лингвистические значения.
Лингвистическое значение — интервал
и функция принадлежности для действительных
чисел. Логический вывод вып-ся на
основании базы правил. В результате
получается лингвистическое значение
сигнала управления с вычисленной
функцией принадлежности. Функция
приналежности выходной величины
рассчитывается по функции принадлежности
входных лингвистических величин.
Дефаззификацией наз-ся преобразование лингвистической выходной переменной в действительное число.
Лингвистические значения: NB, NM, NZ, NL, PZ, PL, PM, PB. (на русском: ОБ, ОС, ОМ, ОН, ПН, ПМ, ПС, ПБ)
Если
-
то величина принадлежит интервалу.
М
етод
центра тяжести:
Функция
принадлежности может помимо треугольной
формы иметь сложную форму: Метод середины
площади:
Стандарты для программируемых контроллеров:
IEC 1121-7, IEC 1131-3 (1993u).
FCL — fuzzy control language — язык нечеткого упра вления
Область применения языка: управление в системах с ОС и без неё (классификация и распознания, принятие решений, диагностика неисправностей и тд).
55. Структура и принцип действия искусственного нейрона. Соединение в сеть
Структура искусственного нейрона
W
1,…..Wn
– весовые коэфф, Х1,Х2…..Хn
–входные векторы
∑-суммир звено
F(s) – активац ф-ция, U – вых сигнал.
УО – устройство обучения
Искусств нейрон имеет структуру адаптивно-настраиваемого регулятора
Искусств нейрон удобен для реализации на микропроц основе в виде искусств нейросети.
Персептрон имеет функц схему:
dk(w) – требуемое значение вых величины
ƞ
– определяет скорость сходимости
(обучения)
Wk+1=Wk+ƞ*(Uk-dk)*Xk
П
ерсептрон
для классиф входных векторов путем
отнесения их к одному из классов L1,L2
X=(X0….Xn)^T – Входной вектор
S=X*W^T – скалярн произвед векторов
З
начение
выхода искусств нейрона позволяет
определить к какой полуплоскости относ
вектор.
Активация функции может иметь разл вид:
U=max(0,signS)
U=sgnS
U=max(-1,min(S1))
U=1/(1+e^-αS)
U=th(αS)
От вида активац ф-ции зависит тип выполн логич операции. Если f(s) имеет вид релейного элемента, то персептрон может выполнять операции в виде четкой логики.
Если f(s) в виде четкой гладкой кривой, то Персептрон может выполнять операции нечеткой логики.
Выбор алгоритма обучения зависит от задачи.
В
ИНС использ несколько алгоритмов
обучения:
- обучение с учителем: предполагает обучающее множество обуч векторов и каждый из них соотв свой вых сигнал.
- обучение без учителя: использ текущую о входах и выходах
Для выбора метода обучения может быть выбран генетический алгоритм.
Выполнение логических операций персептроном
Х
0=±1
или др произвольным числом
Значения, кот могут принимать входн значения
С пом простейшего персептрона невозможно выполн искл ИЛИ
Соединение иск нейронов в сеть
О
бычно
использ не более трех слоев нейронных
сетей. Искусств нейросеть имеет регулир
структуру. Кол-во процессорных элементов
равно кол-ву нейронов. Алгоритм обучения
примен к каждому нейрону.