Upload
velibor-nikolic
View
213
Download
0
Embed Size (px)
DESCRIPTION
8998
Citation preview
VETAKE NEURONSKE MREE Neke mogudnosti NM
prepoznavanje oblika u realnom vremenu
upravljanje sistemima u brojnim sloenim i nelinearnim ogranienjima
pronalazi izgubljene ulaze iz izvora na osnovu poznavanja dela ulaza -
asocijacija
prepoznaje objekte i kada su izoblieni
pamti predmete u vezi i kada veza nije oigledna ili unapred poznata
uenje u realnom vremenu
glatko smanjuje performanse kod otkaza delova mree
Supervizorsko , preslikavanje izlaza na ulaz i namestanje parametara dokle god je greska koja se racuna u vidu
razlike vrednosti dobijenog izlaza i zeljenog manja od dozvoljene greske
Inkrementalno uz pomoc povratne sprege se za svaki ulaz po malo izmene parametri , i tako se vrti u krug dok se ne postigne zeljena preciznost (ili ako se predje max broj epoha) , kada se za sve ulaze po jednom izmene parametri, to se naziva 1 epoha
sa propagacijom signala u napred - feed-forward
jednoslojne
vieslojne
sa povratnim spregama feedback - rekurentne mree
jednoslojne i vieslojne
sa diskretnim i kontinualnim signalim
1 SIGNAL= 1 NEURON
Posto su FeedForward Neuronske mreze vrlo efikasne, a BackPropagation vrlo korisne, moguce je zakasniti ulaze i izlaze u FF neuronskoj mrezi kako bi se imitirala BP mreza
Kasnjenjem signala se pravi memorija i FF moze da modeluje i simulira i dinamicki sistem od kom ima zavisnost od izlaza .
y(k+1) + a1y(k) + a2y(k-1) = b0 u(k) + b1 u(k-1)
Primena istog principa na slozenija preslikavanja:
Ako dobro poznajemo sistem, NE KORISTIMO NM!!!!!!!!!!!!!!!!! Kada nemamo nepoznate parametre, efikasnije je modelovati sistem sa modelom.
Funkcija o(z) namerno namestena na dati oblik, da bi njen izvod bio jednostavan za racun.
Newedit obucavanje
Deli skup za obucavanje na 2 dela
1. Najveci za obuku podesava tezine
2. Manji deo skupa, koristi se ako smanjuje greska na 1. skupi, da proveri da li se smanjuje i za 2. skup
U slucaju da dalje popravljanje parametara ne pomaze, zaustavlja se
DINAMICKI MODEL - NARX -Moras biti vidovit kao u Elektro distribuciji Srbije i predvidjati ko ce kada trositi struju kako bi mogao da dobro modeliras sistem za kontrolu i upravljanje sistema distribucije elektricne energije
Dodavanje jos neurona ako ne uspemo da dovoljno tacno odradimo, kao i prosirivanje skupa za obucavanja