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
111 KB...
20 11 2026 2:17:18
Статья в формате PDF
276 KB...
18 11 2026 6:17:37
Статья в формате PDF
310 KB...
17 11 2026 4:29:17
Статья в формате PDF
113 KB...
16 11 2026 8:43:10
Статья в формате PDF
121 KB...
15 11 2026 7:51:13
Статья в формате PDF
245 KB...
13 11 2026 15:26:48
Статья в формате PDF
115 KB...
11 11 2026 23:12:21
Статья в формате PDF
276 KB...
10 11 2026 10:20:10
В статье рассматривается вопрос долговременного архивного хранения угасающих документов. Проанализированы сложности, возникающие при их микрофильмировании. Предложена методика предварительной компьютерной обработки сканированных изображений таких документов, обеспечивающая повышение качества их визуального восприятия до требований государственного стандарта к микрофильмируемым оригиналам. Обработанные изображения в дальнейшем могут быть выведены на фотоплёнку с использованием COM-систем (Computer Output Microfilm), либо распечатаны на бумажный носитель и микрофильмированы обычным способом.
...
09 11 2026 2:11:16
Стратегия социально-экономического развития РФ поставило на государственном уровне вопрос о достижении нового качества общего образования – готовности и способности учащихся к непрерывному образованию. В настоящее время в соответствии с основными тенденциями развития современного образования меняются целевые, процессуальные и результативные компоненты учебно-воспитательного процесса и прежде всего в начальной школе.
...
08 11 2026 22:39:18
Статья в формате PDF
130 KB...
06 11 2026 5:48:16
Статья в формате PDF
123 KB...
05 11 2026 1:59:19
04 11 2026 6:27:29
Статья в формате PDF
130 KB...
03 11 2026 7:35:29
02 11 2026 15:35:57
Статья в формате PDF
117 KB...
01 11 2026 13:52:56
Статья в формате PDF
732 KB...
31 10 2026 13:20:58
Статья в формате PDF
235 KB...
30 10 2026 7:25:54
Рассмотрена финансовая поддержка издательских проектов Российским Фондом Фундаментальных Исследований. Проанализированы количественные хаpaктеристики и динамика результатов конкурсов проектов по разным областям знания.
...
29 10 2026 2:31:54
Статья в формате PDF
108 KB...
28 10 2026 16:32:18
Статья в формате PDF
114 KB...
27 10 2026 3:20:35
Статья в формате PDF
309 KB...
26 10 2026 13:31:56
Статья в формате PDF
308 KB...
25 10 2026 16:20:49
Статья в формате PDF
103 KB...
24 10 2026 14:26:37
Статья в формате PDF
107 KB...
23 10 2026 7:21:49
Статья в формате PDF
253 KB...
22 10 2026 18:26:22
Статья в формате PDF
104 KB...
21 10 2026 13:44:13
Статья в формате PDF
158 KB...
19 10 2026 10:35:25
Статья в формате PDF
120 KB...
18 10 2026 2:54:30
Статья в формате PDF
118 KB...
17 10 2026 18:20:24
Статья в формате PDF
122 KB...
16 10 2026 2:46:10
Статья в формате PDF
114 KB...
15 10 2026 23:43:39
Преодоление фундаментальных трудностей психологической работы с oнкoлoгическими больными на этапе принятия диагноза позволит облегчить не только процесс адаптации к диагнозу, но и, возможно, процесс лечения. Проработка личностно-психических проявлений, может стать основной для успешной психокоррекционной или психотерапевтической работы, которая является одним из мощных ресурсов на пути к выздоровлению.
...
14 10 2026 11:51:11
Рассмотрены основные составляющие познавательной системы профессора И.С.Мустафина, которая включает позитивное использование опыта негативных событий, а также применение оригинальных задач-рассказов и поэтического творчества для развития творческих и естественнонаучных способностей.
...
13 10 2026 6:35:33
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 ::