SN-kolokwium2, PW MEiL, Sieci neuronowe


  1. Sieci rekurencyjne

Najprościej mówiąc sieci rekurencyjne to takie, które zawierają sprzężenie zwrotne. Sprzężeniem zwrotnym w SN nazywamy takie połączenia, które zawracają sygnały z dalszych (od wejścia) neuronów sieci do neuronów warstwy wejściowej lub do wcześniejszych warstw ukrytych.

Przebieg sygnałów wejściowych w sieci ze sprzężeniem zwrotnym może wykazywać dwojakiego rodzaju zmienność:

W sieciach rekurencyjnych możemy wyróżnić zachowania:

Sieci takie stosowane są w zagadnieniach:

Podstawową cechą sieci rekurencyjnych jest, że są bardzo dynamiczne w swoim działaniu, co jest jednocześnie ich zaletą i wadą (zależnie od przeznaczenia).

Wśród sieci rekurencyjnych wyróżniamy:

  1. Sieci modularne

Idea przewodnia budowy sieci modularnych jest osiągnięcie n niezależnie wytrenowanych sieci neuronowych spełniających pewne fragmenty ogólnego odwzorowania oraz wyznaczanie odpowiedzi całego układu za pomocą bloku decyzyjnego (ang. supervisor).

Mówiąc prostszymi słowami różnica między klasycznymi sieciami neuronowymi a tymi o budowie modularnej jest taka: zamiast jednej dużej sieci, zespół mniejszych oraz blok decyzyjny pozwalający z sumy sygnałów wypracować końcową odpowiedz.

Wśród zalet można wymienić podzielenie odpowiedzialności za odpowiedz pomiędzy poszczególne moduły oraz dużą niewrażliwość na uszkodzenia.

Sieci neuronowe o budowie modularnej świetnie nadają się do budowy wielo sieciowych klasyfikatorów. Wśród znanych zastosowań tego typu sieci wymienia się rozpoznawanie pisma odręcznego, diagnozowanie uszkodzeń w układach technicznych czy też diagnozowanie raka piersi u kobiet.

  1. Zastosowanie sieci neuronowych w układach sterowania

Sieci neuronowe mogą być bardzo pomocne w budowaniu układów sterowania, zwłaszcza w robotyce. Szczególnie przydatne są przy modelowaniu układów dynamicznych o strukturze nieliniowej. Zaleca się, aby sieć neuronowa nie stanowiła całości układu sterowania! Proponuje się połączenie struktury szeregowej i równoległej regulatorów (czyli regulatora konwencjonalnego i neuronowego). Stosowanie konkretnych modeli sieci neuronowych w układach sterowania można uzależnić od:

Wśród znanych implementacji sieci neuronowych do układów sterownia można wymienić (sieci neuronowe nie występują tutaj jako cały układ sterowania, jedynie jako jego fragment lub dodatek):



Wyszukiwarka