Pobieranie prezentacji. Proszę czekać

Pobieranie prezentacji. Proszę czekać

Modelowanie i podstawy identyfikacji 2012/2013Modele neuronowe – podstawy, wybrane struktury Kazimierz Duzinkiewicz, dr hab. inż.Katedra Inżynierii Systemów.

Podobne prezentacje


Prezentacja na temat: "Modelowanie i podstawy identyfikacji 2012/2013Modele neuronowe – podstawy, wybrane struktury Kazimierz Duzinkiewicz, dr hab. inż.Katedra Inżynierii Systemów."— Zapis prezentacji:

1 Modelowanie i podstawy identyfikacji 2012/2013Modele neuronowe – podstawy, wybrane struktury Kazimierz Duzinkiewicz, dr hab. inż.Katedra Inżynierii Systemów Sterowania1 Modele neuronowe Jak wygląda model neuronowy? Model neuronowy jest siecią neuronową Sieć neuronowa jest siecią wielu prostych procesorów (przetworników informacji) zwanych neuronami, z których każdy dysponuje lokalną pamięcią w postaci wag jego połączeń z innymi neuronami. Przetwarzanie realizowane przez neuron ma całkowicie lokalny charakter – zależy ono tylko od wartości docierających do niego sygnałów oraz wartości przechowywanych w jego lokalnej pamięci wag : : : : Sieć jednokierunkowa wielowarstwowa

2 Modelowanie i podstawy identyfikacji 2012/2013Modele neuronowe – podstawy, wybrane struktury Kazimierz Duzinkiewicz, dr hab. inż.Katedra Inżynierii Systemów Sterowania2 we 1 we 2 we R wy 1 wy 2 wy S : :: : Nazewnictwo i elementy sieci neuronowych (warstwowych) Połączenia neuronów z wagami Sygnały wejściowe Sygnały wyjściowe Warstwa wejściowa Warstwa ukryta neuronów pierwsza Warstwa ukryta neuronów druga Warstwa wyjściowa neuronów Sieć jednokierunkowa wielowarstwowa

3 Modelowanie i podstawy identyfikacji 2012/2013Modele neuronowe – podstawy, wybrane struktury Kazimierz Duzinkiewicz, dr hab. inż.Katedra Inżynierii Systemów Sterowania3 Cechy charakteryzujące sieć neuronową – przez co definiujemy sieć neuronową Sieć neuronowa jest charakteryzowana przez: 1. funkcje według których neuron przetwarza docierające do niego sygnały- pobudzenia, nazywane funkcjami pobudzania (propagacji) i funkcjami aktywacji; 2. strukturę połączeń pomiędzy neuronami, nazywaną architekturą sieci; 3. metodę określania wag tych połączeń, nazywaną algorytmem uczenia.

4 Modelowanie i podstawy identyfikacji 2012/2013Modele neuronowe – podstawy, wybrane struktury Kazimierz Duzinkiewicz, dr hab. inż.Katedra Inżynierii Systemów Sterowania4 Model neuronu statycznego Model neuronu statycznego o numerze k

5 Modelowanie i podstawy identyfikacji 2012/2013Modele neuronowe – podstawy, wybrane struktury Kazimierz Duzinkiewicz, dr hab. inż.Katedra Inżynierii Systemów Sterowania5 Opis matematyczny neuronu o numerze k: Pobudzenie neuronu o numerze k: Odpowiedź neuronu o numerze k: Na przykład:

6 Modelowanie i podstawy identyfikacji 2012/2013Modele neuronowe – podstawy, wybrane struktury Kazimierz Duzinkiewicz, dr hab. inż.Katedra Inżynierii Systemów Sterowania6 Uproszczone przedstawienie modelu neuronu statycznego o numerze k

7 Modelowanie i podstawy identyfikacji 2012/2013Modele neuronowe – podstawy, wybrane struktury Kazimierz Duzinkiewicz, dr hab. inż.Katedra Inżynierii Systemów Sterowania7 Funkcja pobudzania g(.) – prawie wyłącznie stosowana (k - numer neuronu, j - numer wejścia neuronu) 1. Funkcja sumy

8 Modelowanie i podstawy identyfikacji 2012/2013Modele neuronowe – podstawy, wybrane struktury Kazimierz Duzinkiewicz, dr hab. inż.Katedra Inżynierii Systemów Sterowania8 Funkcje aktywacji f(.) – pojedynczych neuronów - najpopularniejsze 1. Funkcja przekaźnikowa unipolarna (niesymetryczna) Przybornik Neural Network w środowisku MATLAB/Simulink

9 Modelowanie i podstawy identyfikacji 2012/2013Modele neuronowe – podstawy, wybrane struktury Kazimierz Duzinkiewicz, dr hab. inż.Katedra Inżynierii Systemów Sterowania9 2. Funkcja przekaźnikowa bipolarna (symetryczna) Przybornik Neural Network w środowisku MATLAB/Simulink

10 Modelowanie i podstawy identyfikacji 2012/2013Modele neuronowe – podstawy, wybrane struktury Kazimierz Duzinkiewicz, dr hab. inż.Katedra Inżynierii Systemów Sterowania10 3. Funkcja liniowa Przybornik Neural Network w środowisku MATLAB/Simulink

11 Modelowanie i podstawy identyfikacji 2012/2013Modele neuronowe – podstawy, wybrane struktury Kazimierz Duzinkiewicz, dr hab. inż.Katedra Inżynierii Systemów Sterowania11 4. Funkcja sigmoidalna logarytmiczna unipolarna (niesymetryczna) Przybornik Neural Network w środowisku MATLAB/Simulink

12 Modelowanie i podstawy identyfikacji 2012/2013Modele neuronowe – podstawy, wybrane struktury Kazimierz Duzinkiewicz, dr hab. inż.Katedra Inżynierii Systemów Sterowania12 5. Funkcja sigmoidalna tangensa hiperbolicznego bipolarna (symetryczna) Przybornik Neural Network w środowisku MATLAB/Simulink

13 Modelowanie i podstawy identyfikacji 2012/2013Modele neuronowe – podstawy, wybrane struktury Kazimierz Duzinkiewicz, dr hab. inż.Katedra Inżynierii Systemów Sterowania13 6. Funkcja Gaussa (Radial Basis) Przybornik Neural Network w środowisku MATLAB/Simulink

14 Modelowanie i podstawy identyfikacji 2012/2013Modele neuronowe – podstawy, wybrane struktury Kazimierz Duzinkiewicz, dr hab. inż.Katedra Inżynierii Systemów Sterowania14 Warstwa neuronów Układ neuronów nie powiązanych ze sobą (wyjścia neuronów nie są połączone z wejściami innych neuronów warstwy) do których docierają sygnały z tych samych źródeł (neurony pracują równolegle) b (l) k g w (l) k1 w (l) k2 w (l) kj w (l) km 1 g g y (l-1) m k- ty neuron sieci l-tej warstwy y (l -1) 1 y (l -1) 2 y (l -1) j y (l) k

15 Modelowanie i podstawy identyfikacji 2012/2013Modele neuronowe – podstawy, wybrane struktury Kazimierz Duzinkiewicz, dr hab. inż.Katedra Inżynierii Systemów Sterowania15 najczęściej

16 Modelowanie i podstawy identyfikacji 2012/2013Modele neuronowe – podstawy, wybrane struktury Kazimierz Duzinkiewicz, dr hab. inż.Katedra Inżynierii Systemów Sterowania16 Struktury sieci neuronowych (i) sieci jednokierunkowe (jedno lub wielowarstwowe) (a) jednowarstwowe (b) wielowarstwowe x y L x y L1L2 L3 przepływ sygnałów od źródeł do warstwy neuronów wyjściowych

17 Modelowanie i podstawy identyfikacji 2012/2013Modele neuronowe – podstawy, wybrane struktury Kazimierz Duzinkiewicz, dr hab. inż.Katedra Inżynierii Systemów Sterowania17 Jednowarstwowa sieć neuronowa z R sygnałami wejściowymi i S neuronami w warstwie Wektor wejść: Wektor wyjść:

18 Modelowanie i podstawy identyfikacji 2012/2013Modele neuronowe – podstawy, wybrane struktury Kazimierz Duzinkiewicz, dr hab. inż.Katedra Inżynierii Systemów Sterowania18 Jednowarstwowa sieć neuronowa z R sygnałami wejściowymi i S neuronami w warstwie Macierz wag: Wektor progów:


Pobierz ppt "Modelowanie i podstawy identyfikacji 2012/2013Modele neuronowe – podstawy, wybrane struktury Kazimierz Duzinkiewicz, dr hab. inż.Katedra Inżynierii Systemów."

Podobne prezentacje


Reklamy Google