скачать (170.6 kb.)
- Смотрите также:
- Бейзер Б. Тестирование черного ящика [ документ ]
- Технологии нейронного управления [ лекция ]
- Решение задачи распознавания образов с помощью нейронных сетей [ лабораторная работа ]
- Биологический прототип и искусственный нейрон [ документ ]
- Алгоритмы обучения нейронных сетей [ документ ]
- С. А. Саидов Новосибирский государственный технический университет, г. Новосибирск [ документ ]
- Развитие искусственных нейронных сетей в историческом аспекте [ документ ]
- №2 [ документ ]
- NeuroPro 0.25 [ документ ]
- Идентификация и моделирование [ курсовая работа ]
- Моделирование искусственных нейронных сетей в среде matlab: Учебно-методическое пособие к лабораторным работам [ документ ]
- №1 Имитационное моделирование сети Ethernet [ документ ]
Лабораторная работа № 1
ИДЕНТИФИКАЦИЯ ЧЕРНОГО ЯЩИКА С ПОМОЩЬЮ НЕЙРОННЫХ СЕТЕЙ
Цель работы: Ознакомиться с особенностями применения нейронных сетей для моделирования систем с неизвестной структурой.
Введение
При постановке и решении задач моделирования пользуются понятием “черного ящика”, которое привнес в кибернетику английский ученый Уильям Росс Эшби.
Черным ящиком называют систему, внутреннее содержание которой неизвестно наблюдателю, а наблюдению доступны только вход и выход системы.
Рисунок В.1 – Условное изображение черного ящика
Целью исследования черного ящика является построение математической модели этого объекта, т.е. определение зависимости, связывающей вход и выход системы.
Если осуществить достаточно длительный эксперимент, в котором на вход черного ящика подаются различные входные воздействия и наблюдаются соответствующие им реакции системы, то после анализа результатов эксперимента можно, несмотря на незнание внутренней структуры системы, составить правильное представление о ее поведении. Это дает возможность сделать достаточно достоверное предсказание поведения системы в непроверенных условиях.
Такая процедура была указана еще Леонардо да Винчи (1452 - 1514):
“Нужно руководствоваться показаниями опыта и разнообразить условия до тех пор, пока мы не извлечем из опыта общих законов, ибо лишь опыт открывает нам общие законы”.
Компоненты вектора называют факторами или предикторами (т.е. предсказателями), реакцию системы - откликом. Ограничимся случаем, когда выходной параметр Y – скалярная величина. Неизвестную функцию , которая, как мы предполагаем, связывает и Y, назовем функцией отклика, а ее график – поверхностью отклика.
Итак, описание функционирования черного ящика сводится к модели, устанавливающей соответствие между входами и выходом системы или, что то же, между факторами и функцией отклика.
Построение модели системы по результатам описанного эксперимента называют идентификацией черного ящика.
Пример: моделирование системы с одним входом и одним выходом. Это знакомая задача об аппроксимации экспериментальной зависимости в случае, когда даны n значений , а вид сглаживающей функции по условию неизвестен.
Рисунок В.2 – Аппроксимация неизвестной функции
По данным эксперимента (не привлекая дополнительных данных) нельзя сделать общие выводы о внутренней структуре системы, так как одинаковым поведением могут обладать различные по своей структуре системы. Например, одно и то же соотношение между входами и выходами может согласовываться с несколькими математическими выражениями.
Пусть, например, мы последовательно подаем на вход системы целые числа 1,2,3,4,5,6 и получаем на выходе числа 2,4,6,8,10,12. Разумно предположить, что для любого входного значения n на выходе появляется число 2n и следующими на выходе будут числа 14, 16., 18,..., 2n. Однако результаты опыта столь же хорошо согласуются с формулой
2n+(n-1)(n-2)(n-3)(n-4)(n-5)(n-6).
Основываясь на ней, можно предсказать, что следующими числами в выходной последовательности будут 734, 5056 и т.д. - результат, резко отличающийся от предыдущего.
В этом и заключается проблема идентификации черного ящика – основная проблема моделирования.
В настоящей лабораторной работе рассматривается способ идентификации черного ящика, который не требует никаких предположений о внутреннем содержании системы. Он основан на использовании искусственных нейронных сетей и позволяет получить функциональный аналог черного ящика, практическое применение которого не требует знания его структуры.
Скачать файл (170.6 kb.)