Pobieranie prezentacji. Proszę czekać

Pobieranie prezentacji. Proszę czekać

Grzegorz Ewald. HSWN, Uczenie HSWN Sieć HSWN Uczenie sieci Algorytm genetyczny HDEA Aplikacja Oczyszczalnia ścieków Rozmiar problemu Struktura modelu.

Podobne prezentacje


Prezentacja na temat: "Grzegorz Ewald. HSWN, Uczenie HSWN Sieć HSWN Uczenie sieci Algorytm genetyczny HDEA Aplikacja Oczyszczalnia ścieków Rozmiar problemu Struktura modelu."— Zapis prezentacji:

1 Grzegorz Ewald

2 HSWN, Uczenie HSWN Sieć HSWN Uczenie sieci Algorytm genetyczny HDEA Aplikacja Oczyszczalnia ścieków Rozmiar problemu Struktura modelu Dane do uczenia Wyniki uczenia Czas uczenia Podsumowanie

3

4 Sieć neuronowa Sieć ze stanem (rekurencyjne zapętlenie wyjść) Stan wewnętrzny Falkowe funkcje aktywacji Pozwala na modelowanie: Złożonych systemów dynamicznych Systemów nieliniowych Systemów niestacjonarnych Systemów o wielu skalach czasu

5

6

7 Morlet Haar Mexican Hat Statson Hat

8 W procesie uczenia sieci można wyróżnić dwa etapy Rozładowanie warunków początkowych Uczenie sieci

9 Algorytm genetyczny Algorytm symuluje działanie prawa doboru naturalnego Standardowe operatory Selekcja Kryzowanie Mutacja Dodatkowe operatory Elityzm Zapobieganie kazirodztwu

10 Forma przetwarzania rozproszonego Struktura bazuje na wielu jednostkach obliczeniowych (komputerach) Wykorzystuje standardowe komputery PC oraz standardową sieć komputerową Lokalne zarządzenia zasobami Występuje węzeł nadrzędny (zarządzający) oraz węzły podrzędne (obliczeniowe) Wymagają algorytmów gruboziarnistych

11 Węzeł nadrzędy zarządza procesem przetwarzania danych Węzły podrzędne przetwarzają dane Węzły podrzędne mogą wykorzystywać różne algorytmy Węzeł nadrzędny może także przetwarzać dane jak jednostka podrzędna

12 Algorytm hybrydowy Łączy algorytmy genetyczne (GA) oraz algorytmy ewolucyjne (algorytm SEA) Posiada dobre właściwości eksploracyjne i eksploatacyjne Algorytm rozproszony Wyspowy model przetwarzania danych

13

14

15

16

17

18 W przypadku algorytmów genetycznych początkowa populacja wpływa na jakość wyników Algorytm inicjalizacji powinien być wydajny obliczeniowo

19

20

21

22 Recyrkulacja wewnętrzna Recyrkulacja zewnętrzna

23 Dwie wewnętrzne recyrkulacje Jedna recyrkulacja zewnętrzna

24 Wymagany jest relatywnie krótki czas obliczeń, co dyskwalifikuje modele fizykalne Modele I/O Modele I/O nie korzystają z równań opisujących modelowany obiekt, dlatego darzy się je ograniczonym zaufaniem Wymagają okresowej adaptacji w celu ograniczenia błędu modelowania

25

26 Trudny dostęp do wymaganej ilości danych Problem ze zdobyciem danych dla różnych scenariuszy zakłóceń Do wygenerowania danych użyto profesjonalnego symulatora SIMBA, bazującego na modelu ASM

27 Parametry HSWN: Liczba wavelonów Rozmiar wektora stanów Wartości wag Parametry falkowe Eksperymentalnie określono Liczba wavelonów = 28 Rozmiar stanu wewnętrznego = 14 W efekcie model posiada 1978 parametrów

28

29

30 Wykorzystanie znanych algorytmów daje satysfakcjonujące wyniki, ale czas obliczeń jest za długi Dopiero wykorzystanie hybryd algorytmów oraz rozproszonych platform obliczeniowych pozwala na uzyskanie akceptowalnego czasu obliczeń Wykorzystanie HDEA z rozszerzoną inicjalizacją skraca czas obliczeń na tyle, że HSWN może z powodzeniem zostać wykorzystana do modelowania oczyszczalni ścieków

31


Pobierz ppt "Grzegorz Ewald. HSWN, Uczenie HSWN Sieć HSWN Uczenie sieci Algorytm genetyczny HDEA Aplikacja Oczyszczalnia ścieków Rozmiar problemu Struktura modelu."

Podobne prezentacje


Reklamy Google