 |
Теоретическая часть
|
|
|
|
Ю.И. Еременко, Д.А. Полещенко
Нейроуправление
методические указания
к выполнению лабораторных работ
для студентов специальностей:
230102 – Автоматизированные системы обработки информации и управления
230105 – Программное обеспечение вычислительной техники и автоматизированных систем
230201 – Информационные системы и технологии
(очная форма обучения)
Одобрено редакционно-издательским советом
Старый Оскол
УДК 519.7
ББК 6*3,1
Рецензент: д.т.н., профессор, зав. кафедрой мехатроники производственных систем Московской государственной академии приборостроения и информатики Аршанский М.М.
Еременко Ю.И., Полещенко Д.А. Нейроуправление. Методические указания к выполнению лабораторных работ. Старый Оскол, СТИ МИСиС, 2006. – 64 с.
Методические указания к выполнению лабораторных работ по курсу «Нейроуправление» для студентов специальностей: 230102 – «Автоматизированные системы обработки информации и управления», 230105 – «Программное обеспечение вычислительной техники и автоматизированных систем», 230201 – «Информационные системы и технологии», очной формы обучения.
Ó Еременко Ю.И., Полещенко Д.А.
Ó СТИ МИСиС
Содержание
Предисловие. 4
Лабораторная работа № 1
ЗНАКОМСТВО С НЕЙРОННЫМИ СЕТЯМИ.. 5
Лабораторная работа № 2
Изучение нейронных сетей в пакете MatLab на примере аппроксимации тригонометрической функции.. 18
Лабораторная работа № 3
Параметрическая идентификация динамических объектов с применением нейронных сетей.. 35
Лабораторная работа № 4
ЭКСТРЕМАЛЬНЫЕ СИСТЕМЫ УПРАВЛЕНИЯ.. 41
Список литературы.. 62
Предисловие
Искусственные нейронные сети (ИНС), состоящие из совокупности соединенных между собой с определенной структурой искусственных нейронов, являются весьма упрощенной аналогией биологических нервных сетей.
|
|
|
Обучаемые ИНС, рассматриваются как универсальные, однородные динамические нелинейные преобразователи многомерной информации. Они могут быть применены для формирования нелинейных законов управления нелинейными динамическими объектами. Именно с этой позиции рассматриваются архитектура и алгоритмы обучения многослойных НС в развивающемся направлении современной науки – «Нейроуправление».
В лабораторном практикуме рассматриваются различные структуры НС, свойства основных преобразователей информации – функций активации, методы обучения НС, исследуются аппроксимационные свойства НС для нелинейных и динамических объектов. В лабораторной работе №4 студентам предложено ознакомится с основными принципами построения и функционирования экстремальных систем управления.
Для выполнения работ студент должен иметь навыки программирования на одном из универсальных языков программирования. Также необходимо уметь работать в среде Simulink пакета MatLab.
Лабораторная работа № 1
ЗНАКОМСТВО С НЕЙРОННЫМИ СЕТЯМИ
Цель работы
Ознакомление со структурой нейронных сетей. Получение навыка программирования нейронных сетей.
Теоретическая часть
|
|
|
