НЕЙРОСЕТЕВАЯ ДИНАМИЧЕСКАЯ ИЗМЕРИТЕЛЬНАЯ СИСТЕМА С ПОСЛЕДОВАТЕЛЬНОЙ ОБРАБОТКОЙ ИНФОРМАЦИИ
Целью исследования является разработка новых методов и алгоритмов обработки измерительной информации на основе восстановления последовательности дискретных значений динамически искаженного входного сигнала первичного измерительного преобразователя по имеющейся последовательности дискретных значений выходного сигнала и значениям о параметров передаточной функции датчика с использованием нейросетевых технологий.
Последовательный подход к синтезу нейросетевой динамической измерительной системы заключается в формировании желаемого вида передаточной функции модели датчика и восстановлении дискретных значений входного сигнала скорректированной модели на основе некоторого количества последовательно соединенных идентичных нейросетевых измерительных систем первого порядка, аппроксимирующих инверсную передаточную функцию апериодического звена.
Формирование желаемого вида передаточной функции модели датчика осуществляется на основе преобразования измеренного выходного сигнала датчика с помощью корректирующего фильтра. Передаточная функция корректирующего фильтра представляет собой физически нереализуемую инвертированную передаточную функцию датчика со степенью числителя большей, чем степень знаменателя, дополненную до физически реализуемого оператора необходимым количеством идентичных апериодических звеньев, равным разности степеней знаменателя и числителя передаточной функции датчика.
Тогда указанная задача восстановления последовательности дискретных значений входного сигнала датчика сводится к аналогичной задаче восстановления, но при желаемом виде передаточной функции модели датчика. Поскольку желаемая передаточная функция модели датчика представляет собой последовательное соединение идентичных апериодических звеньев, то аппроксимацию инверсной по отношению к ней передаточной функции можно осуществить на основе аналогичной структуры нейросетевой измерительной системы, состоящей из последовательно соединенных идентичных нейросетевых измерительных систем первого порядка, аппроксимирующих инверсную передаточную функцию апериодического звена.
Нейросетевая динамическая измерительная система первого порядка представляет собой двухслойную нейронную сеть, состоящую из двух последовательно соединенных нейронов, охваченных рекуррентной обратной связью. При этом входной нейрон имеет нелинейную функцию активации (функцию гиперболического тангенса), а выходной - линейную функцию активации. Структура данной сети, относящейся к классу сигмоидных многослойных нейронных сетей, обладающих универсальными аппроксимирующими свойствами, отражает структуру обратной зависимости между выходом и входом апериодического звена в дискретной форме.
ПроцеДypa обучения нейросетевой измерительной системы первого порядка известна как процеДypa «инверсного обучения». При этом, в качестве выходной целевой последовательности может быть использована последовательность, составленная из дискретных значений переходной хаpaктеристики апериодического звена, а в качестве входной обучающей - последовательность, составленная из дискретных значений реакции апериодического звена на свою переходную хаpaктеристику.
Таким образом, структура нейросетевой динамической измерительной системы, аппроксимирующей инверсную передаточную функцию датчика произвольного порядка основывается на структуре нейросетевой измерительной системы первого порядка, аппроксимирующей инверсную передаточную функцию апериодического звена. При этом сохраняется минимальное число настраиваемых параметров, определяющих динамику нейросетевой измерительной системы. Следовательно, хаpaктеристики длительности и устойчивости процесса обучения, потенциально могут иметь более высокие значения при одинаковой погрешности восстановления, чем при использовании структуры нейросетевой измерительной системы, аппроксимирующей инверсную передаточную функцию датчика произвольного порядка, построенной на основе единой рекуррентной многослойной нейронной сети с большим, чем в описанной структуре, количеством настраиваемых параметров.
Статья в формате PDF
110 KB...
10 12 2024 16:45:12
Статья в формате PDF
102 KB...
07 12 2024 4:44:35
Статья в формате PDF
136 KB...
04 12 2024 6:40:28
Статья в формате PDF
105 KB...
03 12 2024 17:57:45
Статья в формате PDF
109 KB...
02 12 2024 17:19:55
Статья в формате PDF
114 KB...
01 12 2024 21:51:13
Статья в формате PDF
124 KB...
30 11 2024 7:17:20
Статья в формате PDF
110 KB...
29 11 2024 12:49:14
Статья в формате PDF
115 KB...
28 11 2024 22:33:56
Статья в формате PDF
487 KB...
27 11 2024 3:38:48
Статья в формате PDF
250 KB...
26 11 2024 5:33:24
Статья в формате PDF
252 KB...
25 11 2024 18:46:31
Статья в формате PDF
125 KB...
24 11 2024 9:22:13
Статья в формате PDF
153 KB...
23 11 2024 22:26:57
Статья в формате PDF
121 KB...
22 11 2024 13:11:31
Статья в формате PDF
244 KB...
21 11 2024 16:43:20
Статья в формате PDF
119 KB...
20 11 2024 19:44:30
Обсуждаются возможности использования микроскопических почвенных водорослей при оценке качества окружающей среды. Показано, что в качестве критериев при прогнозировании антропогенной нагрузки на наземные экосистемы можно использовать изменение видового состава и численности почвенных водорослей.
...
19 11 2024 16:39:39
Статья в формате PDF
2874 KB...
18 11 2024 1:22:51
Рассмотрены некоторые проблемы идентификации моделей распределения данных, при использовании современного математического аппарата для решения этой задачи. Показано, что использование методов нелинейной оптимизации для идентификации моделей приводит к улучшению результатов идентификации, но одновременно, изменяет формальную постановку задачи. Выделено три группы проблем, связанных с выбором критериев согласия, их критических значений и проверкой адекватности получаемых моделей. Проанализированы возможные подходы к решению этих проблем.
...
17 11 2024 8:43:13
Статья в формате PDF
115 KB...
16 11 2024 0:28:48
Статья в формате PDF
102 KB...
15 11 2024 1:57:49
В статье авторами рассмотрены региональные особенности демографической и семейной политики.
...
14 11 2024 19:31:32
Статья в формате PDF
115 KB...
13 11 2024 11:40:46
Статья в формате PDF
119 KB...
12 11 2024 14:21:50
Статья в формате PDF
99 KB...
11 11 2024 9:49:40
Статья в формате PDF
102 KB...
10 11 2024 13:38:37
Статья в формате PDF
280 KB...
09 11 2024 4:36:28
На основании диагностических признаков приводятся доказательства, указывающие на то, что Chytridiomycosis существует в популяциях Rana arvalis на Среднем Урале. Показана методика обнаружения заболевания по аномалиям ротового аппарата личинок и отслеживания динамики частоты встречаемости его в популяции. В экстремальных условиях инфекция поражает ослабленных и ведет к их выбpaковке, что приводит к ускорению адаптации популяции в целом в быстро изменяемой среде.
...
08 11 2024 13:41:42
Статья в формате PDF
103 KB...
06 11 2024 16:24:35
Статья в формате PDF
173 KB...
05 11 2024 6:32:43
Статья в формате PDF
119 KB...
04 11 2024 13:35:15
Все более актуальной в настоящее время становится проблема прогнозирования динамики развития региональных лесных комплексов. В качестве одного из этапов исследований по этой теме автором в содружестве с Гринпис России был выполнен описанный в статье проект. В рамках проекта разработана экономико-математическая модель. Последующая реализация модели на компьютере с использованием реальных данных показала ее эффективность для решения задач прогнозирования лесной отрасли. В качестве региона для апробации модели был выбран Санкт-Петербург и область, где влияние человека на окружающую среду в последнее время существенно возросло. Проведенная на основе статистических тестов верификация модели показала ее соответствие реальности. С целью апробации модели были сформированы два сценария с различными значениями показателей внешнего воздействия на региональную систему лесного комплекса. В результате, после имитации были получены основные параметры регионального лесного комплекса, соответствующие двум сценариям.
...
02 11 2024 20:34:35
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 ::
