Другие журналы
|
научное издание МГТУ им. Н.Э. БауманаНАУКА и ОБРАЗОВАНИЕИздатель ФГБОУ ВПО "МГТУ им. Н.Э. Баумана". Эл № ФС 77 - 48211. ISSN 1994-0408![]()
#8 август 2004
Наука и образование: Электронное научное издание
Ассоциативная нейронная сеть СМАС.
Структура, объем памяти, обучение и базисные функции
#8 август 2004 Приводится описание нейронной сети и алгоритм нелинейного преобразования аргументов.
Определяется объем памяти сети и дается ее алгоритм обучения. Устанавливаются свойства
базисных функций сети.
Ассоциативная нейронная сеть СМАС
Часть II
Процессы обучения, ускоренное обучение, влияние помех, устранение влияния помех в
двухслойной сети
#8 август 2004 В части I настоящей работы [1] была описана ассоциативная нейронная сеть СМАС, название
которой происходит от первых букв ее полного английского названия: Cerebellar Model
Articulation, (мозжечковая модель суставного регулятора). Были представлены алгоритм
обучения этой сети и ее система базисных функций.
Приведены результаты обучения сети по запоминанию ряда функций двух аргументов. Описаны
алгоритмы обучения сети, которые имеют более высокую скорость сходимости по сравнению
с представленным в первой части статьи стандартным алгоритмом обучения Альбуса—Качмажа.
Исследовано влияние аддитивых помех на процесс обучения сети и описана двухслойная
нейронная сеть СМАС, в которой устранено влияние помех и которая воспроизводит функции
точнее по сравнению с обычной сетью СМАС, даже при отсутствии помех измерений.
Цели автоматизации проектирования и средства их реализации в системе СПРУТ
#8 август 2004 Анализируется ход развития систем автоматизированного проектирования и управления,
описывается архитектура системы СПРУТ, представляющей собой операционную среду с
полным набором инструментальных средств для компьютеризации инженерной деятельности.
Приведено описание дерева целей применительно к проблематике автоматизации проектирования
и средств их достижения в системе СПРУТ. Изложены принципы реализации новой информационной
технологии (RAD-технологии) быстрой разработки прикладных систем с использованием
СПРУТ.
Нейросетевые алгоритмы прогнозирования в инструментальном производстве
#8 август 2004 DOI: 10.7463/0804.0551050 Рассматриваются различные задачи прогнозирования в инструментальном производстве и исследуются подходы к их решению. Выявляются особенности учета нестационарных производственных факторов и скрытых взаимосвязей. Обосновывается необходимость применения искусственных нейронных сетей. Предлагаются алгоритмы прогнозирования загрузки оборудования, потребности в материале, прогноза брака и потребления энергии, которые реализуются с помощью нейросети прямого распространения. Приводятся примеры задач прогнозирования в информационно-аналитической системе управления снабжением и производством инструмента.
|
|
||||||||||||||||||||||||||||||||
|