Діагностування ГПА с використанням нейроних мереж

Діагностування ГПА с використанням нейроних мереж

Діагностування ГПА с використанням нейроних мереж Нейрон. Функції Рецепція нейрони приймають сигнали Активація У відповідь на сигнал ділянка або нейронів, яка його прийняла, гальмуван- переходить в один з двох ня станів: активізація або гальмування Подразнення проводиться від одної Прове- Загальна схема будови ділянки нейрона до іншої ділянки дення біологічного нейрона того же нейрона від дендрита через сигналу сому до аксона Подразнюючий сигнал передається Передача нейроном: сигналу наступному нейрону або ефекторному органу.

Схематизація нейрона

Тransfer functions hardlim purelin Hard limit transfer function Linear transfer function logsig tansig Log sigmoid transfer function Hyperbolic tangent sigmoid transfer function

Схематизація шару нейронів

Типи нейронних мереж з прями розповсюдженням сигналу

Радіально базові нейронні мережі Р 1 W 1. . . Wn Р 2 n || dist || Р 3 × . . b Рп l radbas(n)=exp(-n 2) Вход функции активации определяется как модуль разности вектора весов w и вектора входа р, умноженный на сдвиг b

Динамічна нейронна мережа

Рекурента нейронна мережа Елмана

Створення і навчання нейронної мережі Отримання Вибір архітек- Навчання Перевірка вихідних тури нейронної адекватності даних для мережі та метода мережі нейронної навчання мережі Вихідні данні для навчання Учбові дані Тестові дані Контрольні дані

ПРП для навчання НС діагностуванню ТС ГТД

Створення нейронних мереж з прямим розповсюдженням сигналу newff - Create a feed-forward backpropagation network net=newff(PR, [S 1 S 2. . . SNl], {TF 1, TF 2, . . . , TFNl}, BTF) PR - R x 2 matrix of min and max values for R input elements. Si - Size of ith layer, for Nl layers. TFi - Transfer function of ith layer

Створення нейронних мереж з прямим розповсюдженням сигналу BTF - Backpropagation network training function traingdx traingdm traingda trainlm net. perform. Fcn - 'sse‘/’mse’ net. train. Param. goal net. train. Param. show net. train. Param. epochs

Навчання нейронних мереж з прямим розповсюдженням сигналу [net, tr, Y, E, . . . ] = train(net, R, T, . . . ) R, T - net - New network tr - Training record (epoch and perf) Y - Network outputs E - Network errors

Моделювання роботи нейронних мереж з прямим розповсюдженням сигналу Y = sim(net, R) net R

Приклад створення нейронних мереж з прямим розповсюдженням сигналу load ‘R. dat'; load ‘T. dat'; net = newff(minmax(R), [7, 20, 7], {‘hardlim’, ’purelin’, ’logsig’, ’tansig’})

net. perform. Fcn='sse'; net. train. Param. goal=10; net. train. Param. show=1; net. train. Param. epochs=100; [net, tr]=train(net, P, T);

Результати використання НС для діагностування ТС ГТД (6 класів) TS=sim(net, R);