СПЕЦИАЛИЗИРОВАННЫЕ АЛГОРИТМЫ ОБУЧЕНИЯ И НАСТРОЙКИ РЕКУРРЕНТНОЙ СЕТИ ПРЕОБРАЗОВАТЕЛЯ ЧАСТОТНО-ВРЕМЕННЫХ ПАРАМЕТРОВ СИГНАЛОВ В КОД
Одним из направлений повышения эффективности преобразователей формы представления информации (ПФИ) аналоговой величины x (заданной в виде частоты f x или временного интервала ) в цифровой эквивалент в информационно-измерительных системах является расширение функциональных (интеллектуальных) возможностей ПФИ, в том числе с использованием математического аппарата искусственных нейронных сетей (ИНС) [1].
Предложенная в [1] методика синтеза нейросетевых преобразователей содержит 4 этапа. Наиболее трудоемким из них является настройка нейросетевых ПФИ на решение задачи преобразования. Под настройкой ИНС-преобразователя понимается совокупность специальных процедур, таких как, выбор алгоритма обучения нейросети и обучающих примеров, а также собственно процедуры обучения и тестирования устройства на решение поставленной задачи преобразования [1].
При разработке аппаратно-реализуемых нейросетевых устройств преобразования существует задача разработки специализированных алгоритмов обучения нейронных сетей [1], так как универсальные нейросетевые структуры и алгоритмы их обучения рассчитаны, как правило, на программную реализацию, что не всегда приемлемо в устройствах, функционирующих независимо от вычислительного центра управления системой сбора и обработки информации.
Из работы [2] известна структура нейросетевого преобразователя частотно-временных параметров x сигналов в цифровой код на основе последовательного соединения двух компонент: однослойной ИНС и двухслойной рекуррентной сети. Последняя обладает рядом недостатков.
- Неопределенность минимального необходимого количества нейронов скрытого слоя сети для выполнения поставленной задачи преобразования.
- Структура рассчитана на обучение с помощью алгоритма обратного распространения ошибки, сходимость которого зависит от многих факторов (вид функции активации нейронов, способность алгоритма обойти «локальные минимумы» и др.), что не всегда возможно учесть заранее в аппаратно-реализуемом устройстве.
В связи с этим предлагается модификация второй компоненты структуры нейросетевого преобразователя частотно-временных параметров x сигналов в цифровой код на основе двухслойной рекуррентной сети с целью устранения выше перечисленных недостатков.
Первая компонента осуществляет преобразование аналоговой величины x, представленной в виде частоты f x или временного интервала , в число-импульсный код относительно опopной величины , представленной в виде временного интервала , частоты f 0 или периода T 0.
Математически работу нейрона первой компоненты ИНС (см. рис. 2) можно описать следующей формулой [2]:
где - значения суммы на входе порогового элемента нейрона в дискретные моменты времени (такт) , h - номер такта преобразования длительностью T 0. Аналоговая величина x задает значение переменного порога нейрона. Код на выходе первой компоненты представляется в виде последовательности импульсов α 0:
Модифицированная вторая компонента может осуществлять преобразование унитарного число-импульсного кода в двоично-позиционный код в зависимости от значений весовых коэффициентов и порогов нейронов сети. Входом для импульсов α0 является сдвиговый регистр, состоящий из элементов задержки ЭЗ1, ЭЗ2,.. и т.д. Биты элементов задержки сдвигового регистра совместно с битами элементов задержки обратных связей ЭЗБ1, ЭЗБ2,.. и т.д. являются входами двухслойной рекуррентной сети.
Условно двухслойную сеть можно разбить на группы нейронов, формирующие соответствующие им биты β1 позиционного кода , и группу нейронов формирующих сигнал сброса Clr сдвигового регистра. Каждая из этих групп образует двухслойную рекуррентную подсеть с обратной связью, которая состоит из группы нейронов первого слоя и одного нейрона второго (выходного) слоя. Нейроны имеют пороговую функцию активации:
где - взвешенная сумма значений входов нейрона x j; M - число входов нейрона; W j,i - весовые коэффициенты нейрона; θ i - порог нейрона.
Предлагаемый алгоритм содержит 3 этапа.
- Формирование обучающей выборки.
- Формирование структуры сети.
- Обучение нейронов сформированной сети.
Приведенный специализированный алгоритм обучения и настройки нейросетевых преобразователей позволяет проектировать преобразователи формы информации на основе модифицированной рекуррентной сети на задачу нелинейного преобразования «аналог-код», не прибегая к стандартным обучающим алгоритмам при настройке и (или) перенастройке функционального преобразователя на реализацию новой функции преобразования. Это исключает итеративное приближение весовых коэффициентов к искомым значениям, что существенно сокращает время настройки. Предложенные этапы обучения учитывают структурные особенности слоев рекуррентной сети, что снижает аппаратные затраты на реализацию весовых коэффициентов второго слоя, в отличие от стандартных алгоритмов обучения сетей, рассчитанных в основном на программную реализацию.
СПИСОК ЛИТЕРАТУРЫ
- Локтюхин В.Н., Челебаев С.В. Нейросетевые преобразователи импульсно-аналоговой информации: организация, синтез, реализация / Под общей редакцией А.И. Галушкина. - М.: Горячая линия - Телеком, 2008. ‑ 144 с.
- Локтюхин В.Н., Челебаев С.В. Применение рекуррентных сетей для синтеза импульсно-цифровых преобразователей // Вестник Рязанского государственного радиотехнического университета, № 19, 2006. С. 94-103.
Статья в формате PDF
143 KB...
12 06 2026 23:34:32
Статья в формате PDF
107 KB...
09 06 2026 21:55:59
Статья в формате PDF
109 KB...
08 06 2026 13:45:24
Изучение иммунитета при стрессе является правомерным в оценке адаптивных систем организма и его резервных возможностей. На основании анализа функциональных возможностей иммунитета можно воздействовать на адаптивные системы и прогнозировать течение стресс-реакции.
...
05 06 2026 6:16:59
Статья в формате PDF
104 KB...
04 06 2026 5:36:35
Статья в формате PDF
126 KB...
03 06 2026 18:43:47
Статья в формате PDF
163 KB...
02 06 2026 19:50:16
Статья в формате PDF
120 KB...
01 06 2026 17:36:58
Статья в формате PDF
107 KB...
31 05 2026 0:52:25
Статья в формате PDF
120 KB...
30 05 2026 5:21:37
Статья в формате PDF
286 KB...
29 05 2026 20:23:32
Федеральный государственный образовательный стандарт нового поколения предъявляет новые требования к формам и методам проведения образовательного процесса, неотъемлемой частью которого становятся информационно-коммуникационные технологии (ИКТ). В статье обоснована эффективность использования ИТК в процессе обучения. Детально приведены требования к разработке электронных образовательных комплексов. Описана структура электронного мультимедийного учебника «История педагогики и образования», содержащего: лекции по предложенным для изучения темам; задания для семинарских занятий; темы рефератов; темы курсовых работ; блок «Тестирование». Приведены конкретные пpaктические результаты эксперимента, подтверждающие эффективность использования ИКТ в процессе обучения в высшей школе.
...
28 05 2026 5:38:37
Статья в формате PDF
242 KB...
27 05 2026 7:43:49
Статья в формате PDF
301 KB...
26 05 2026 14:14:31
Статья в формате PDF
123 KB...
25 05 2026 0:32:48
Статья в формате PDF
300 KB...
24 05 2026 19:47:18
Статья в формате PDF
250 KB...
23 05 2026 6:38:41
Статья в формате PDF
106 KB...
21 05 2026 2:23:12
Статья в формате PDF
131 KB...
20 05 2026 16:55:34
Статья в формате PDF
105 KB...
19 05 2026 3:26:14
Статья в формате PDF 132 KB...
18 05 2026 2:43:42
Статья в формате PDF 250 KB...
17 05 2026 7:24:41
Статья в формате PDF
239 KB...
16 05 2026 17:43:45
Статья в формате PDF
90 KB...
15 05 2026 5:36:50
Статья в формате PDF
135 KB...
14 05 2026 22:28:32
Статья в формате PDF
265 KB...
13 05 2026 0:32:55
В настоящей работе представлены результаты физиолого-гигиенической оценки бронежилетов для наружного ношения, отличающихся конструкцией и видом используемых для изготовления чехлов материалов.
Проведены три серии испытаний бронежилетов в условиях микроклиматической камеры в лаборатории специальной одежды Ивановского НИИ охраны труда и реальных условиях эксплуатации в Отделе специального назначения УИН Минюста России по Ивановской области. Сравнительная оценка физиолого-гигиенических хаpaктеристик бронежилетов в первой серии испытаний показала, что по показателям теплового состояния и сердечно-сосудистой системы бронежилет модели 1, чехол которого изготовлен из нового материала с дискретным полимерным покрытием, отличается в лучшую сторону. Исследовали во второй серии испытаний эту модель бронежилета, но с введением в структуру дополнительного амортизационного слоя. Результаты испытаний показали, что сдвиги функционального состояния носчиков наименее выражены при использовании бронежилета с амортизационным слоем. При проведении третьей серии испытаний на пересечённой местности наибольшее число носчиков отметили бронежилет модели 1 с амортизационным слоем как оптимальный.
...
11 05 2026 3:35:27
Статья в формате PDF
114 KB...
10 05 2026 22:32:52
Статья в формате PDF
109 KB...
09 05 2026 3:17:22
Статья в формате PDF
111 KB...
08 05 2026 16:38:17
Статья в формате PDF
187 KB...
07 05 2026 14:37:30
Статья в формате PDF
90 KB...
06 05 2026 1:58:46
Статья в формате PDF
150 KB...
05 05 2026 4:14:33
Статья в формате PDF
123 KB...
04 05 2026 5:52:28
Еще:
Поддержать себя -1 :: Поддержать себя -2 :: Поддержать себя -3 :: Поддержать себя -4 :: Поддержать себя -5 :: Поддержать себя -6 :: Поддержать себя -7 :: Поддержать себя -8 :: Поддержать себя -9 :: Поддержать себя -10 :: Поддержать себя -11 :: Поддержать себя -12 :: Поддержать себя -13 :: Поддержать себя -14 :: Поддержать себя -15 :: Поддержать себя -16 :: Поддержать себя -17 :: Поддержать себя -18 :: Поддержать себя -19 :: Поддержать себя -20 :: Поддержать себя -21 :: Поддержать себя -22 :: Поддержать себя -23 :: Поддержать себя -24 :: Поддержать себя -25 :: Поддержать себя -26 :: Поддержать себя -27 :: Поддержать себя -28 :: Поддержать себя -29 :: Поддержать себя -30 :: Поддержать себя -31 :: Поддержать себя -32 :: Поддержать себя -33 :: Поддержать себя -34 :: Поддержать себя -35 :: Поддержать себя -36 :: Поддержать себя -37 :: Поддержать себя -38 ::
