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
119 KB...
17 04 2024 6:40:41
Статья в формате PDF
150 KB...
16 04 2024 4:50:59
Исследованы вопросы влияния давления, относительной влажности и температуры атмосферы на давление воздуха в шине 175/70R13 легкового автомобиля ВАЗ на основании данных ГУ «ВНИИГМИ-МЦД» по постам (станциям) о температуре воздуха, относительной влажности и атмосферном давлении на уровне станции по природно – климатическим поясам России. Вопросы влияния климатических хаpaктеристик на давление в автомобильных шинах рассмотрены для летнего периода, который является наиболее нагруженным в году периодом в плане эксплуатации автомобиля. Исследования выполнены методом случайной выборки с использованием данных срочных наблюдений по постам Федеральной службы по гидрометеорологии и мониторингу окружающей среды. Изменения давления в шине в течение рабочей смены значительно влияют на управляемость, надежность и экономическую эффективность эксплуатации автотрaнcпорта.
...
15 04 2024 21:17:27
Статья в формате PDF
113 KB...
13 04 2024 8:40:36
Статья в формате PDF
268 KB...
12 04 2024 18:59:36
Статья в формате PDF
139 KB...
11 04 2024 23:38:42
Статья в формате PDF
295 KB...
10 04 2024 20:35:57
В работе проводились исследования 129 больных в возрасте от 1 месяца до 14 лет. У 68 (52,7 %) детей был диагностирован сальмонеллез еnteritidis, а у 61 (47,3 %) – сальмонеллез typhimurium. В ходе исследования проведена оценка клинической эффективности антибиотикотерапии с определением чувствительности к антимикробным препаратам. Выявлено, устойчивость клафорана к действию большинства бета-лактамаз, определена его клиническая эффективность в терапии тяжелых форм сальмонеллеза еnteritidis. Подтверждена не высокая эффективность монотерапии ципрофлоксацином. Рекомендована коррекция лечения путем использования комбинации препаратов – ципрофлоксацин + меронем.
...
09 04 2024 6:47:34
Статья в формате PDF
135 KB...
08 04 2024 1:39:17
Статья в формате PDF
253 KB...
06 04 2024 5:22:31
Статья в формате PDF
117 KB...
05 04 2024 8:37:19
Статья в формате PDF 111 KB...
03 04 2024 14:51:42
В статье описаны способы гравитационного извлечения мелкого золота из золотосодержащего минерального сырья в аппаратах лоткового типа, показан механизм движения и распределения частичек относительно их удельного веса в потоках переpaбатываемой пульпы. Даны предпосылки для создания необходимых устройств с целью осуществления описанных способов.
...
02 04 2024 0:10:32
Статья в формате PDF
134 KB...
01 04 2024 14:26:12
Статья в формате PDF
105 KB...
31 03 2024 1:36:29
Статья в формате PDF
121 KB...
30 03 2024 12:37:28
Статья в формате PDF
111 KB...
29 03 2024 11:21:57
Статья в формате PDF
98 KB...
27 03 2024 13:58:13
Статья в формате PDF
121 KB...
26 03 2024 5:43:47
Статья в формате PDF
61 KB...
24 03 2024 18:37:48
Тюменский регион является одним из лидеров по уровню экономического развития. Устойчивое развитие его обеспечит сбалансированное решение социально-экономических задач, проблем сохранения окружающей среды в целях удовлетворения потребностей нынешнего и будущего поколений. Реализация перехода на путь стабильного развития потребует в дальнейшем формирования новой стратегии, которая оказалась бы экологически и экономически сбалансированной.
...
23 03 2024 1:44:50
Статья в формате PDF
121 KB...
22 03 2024 9:26:57
Статья в формате PDF
135 KB...
21 03 2024 2:12:13
Задачу формирования интеллекта учащихся призвана решать современная школа и, в первую очередь, учебные заведения с названиями «лицей» и «гимназия». В представленной работе излагаются сведения об основных этапах по подготовке и проведению школьной научно-пpaктической конференции «В науку первые шаги», которая ежегодно проводится в Лицее № 37 г. Саратова. В рамках конференции каждый учащийся 11 класса защищает выпускную работу по профильному предмету (математике, физике, информатике, химии, биологии и др.). Подготовка к защите выпускной или творческой работы по химии способствует личностно-ориентированному обучению и воспитанию школьников, развитию активности и самостоятельности, учит работать с библиографической и информационно-справочной литературой, пользоваться электронными каталогами через систему Internet, знакомит с историей науки, развивает экспериментальные навыки, обучает целенаправленным наблюдениям.
...
19 03 2024 7:30:29
Статья в формате PDF
314 KB...
18 03 2024 3:33:49
Статья в формате PDF
305 KB...
17 03 2024 0:55:54
Статья в формате PDF
102 KB...
16 03 2024 20:37:42
Статья в формате PDF
140 KB...
15 03 2024 7:41:32
Статья в формате PDF
128 KB...
14 03 2024 19:29:54
Статья в формате PDF 110 KB...
13 03 2024 5:49:53
Статья в формате PDF
138 KB...
12 03 2024 19:23:11
Статья в формате PDF
265 KB...
11 03 2024 4:46:59
Статья в формате PDF
117 KB...
10 03 2024 22:34:47
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 ::
