Диапазоны изменения измеряемых характеристик системы управления технологическим процессом разбиты на составляющие интервалы, определяемые требованиями по точности. Совокупность X = {x1, x2} измеренных значений, каждое из которых принадлежит некоторому интервалу, определяет вектор Y(y1, y2) необходимых управляющих воздействий, составляющих ограниченное множество векторов: Y1 = {5; 8}, Y2 = {3; 4}, Y3 = {6; 5}, Y4 = {1; 5}. Диапазон [0, 3] изменения переменных x1 и x2 разбит на три интервала . По данному логическому описанию системы управления составьте однослойную логическую нейронную сеть системы управления, используя принцип «размножения» решений.
Нейросетевые технологии искусственного интеллекта
Диапазоны изменения измеряемых характеристик системы управления технологическим процессом разбиты на составляющие интервалы, определяемые требованиями по точности. Совокупность X = {x1, x2} измеренных значений, каждое из которых принадлежит некоторому интервалу, определяет вектор Y(y1, y2) необходимых управляющих воздействий, составляющих ограниченное множество векторов: Y1 = {5; 8}, Y2 = {3; 4}, Y3 = {6; 5}, Y4 = {1; 5}. Диапазон [0, 3] изменения переменных x1 и x2 разбит на три интервала . По данному логическому описанию системы управления составьте однослойную логическую нейронную сеть системы управления, используя принцип «размножения» решений.
Диапазоны изменения измеряемых характеристик системы управления технологическим процессом разбиты на составляющие интервалы, определяемые требованиями по точности. Совокупность X = {x1, x2} измеренных значений, каждое из которых принадлежит некоторому интервалу, определяет вектор Y(y1, y2) необходимых управляющих воздействий, составляющих ограниченное множество векторов: Y1 = {5; 8}, Y2 = {3; 4}, Y3 = {6; 5}, Y4 = {1; 5}. Диапазон [0, 3] изменения переменных x1 и x2 разбит на три интервала . По данному логическому описанию системы управления составьте однослойную логическую нейронную сеть системы управления, используя принцип «размножения» решений.
Рассчитайте значения возбуждения нейронов выходного слоя и найдите вектор управляющего воздействия по нечётко заданным характеристикам. Функция активации имеет вид:
Vi := V, если V > h, 0 – в противном случае; h = 0,5.
Нейронная сеть имеет вид:
Достоверность предположения о принадлежности значений x1 и x2 исследуемым интервалам равна:
Рассчитайте значения возбуждения нейронов выходного слоя и найдите вектор управляющего воздействия по нечётко заданным характеристикам. Функция активации имеет вид:
Vi := V, если V > h, 0 – в противном случае; h = 0,5.
Нейронная сеть имеет вид:
Достоверность предположения о принадлежности значений x1 и x2 исследуемым интервалам равна:
Рассчитайте значения возбуждения нейронов выходного слоя и найдите вектор управляющего воздействия по нечётко заданным характеристикам. Функция активации имеет вид:
Vi := V, если V > h, 0 – в противном случае; h = 0,5.
Нейронная сеть имеет вид: Достоверность предположения о принадлежности значений x1 и x2 исследуемым интервалам равна:Составьте однослойные логические нейронные сети по описанию систем принятия решений. Функция активации имеет вид:
; , 0 – в противном случае, ni – количество активных входов нейрона.
Составьте однослойные логические нейронные сети по описанию систем принятия решений. Функция активации имеет вид:
; , 0 – в противном случае, ni – количество активных входов нейрона.
Ситуация описывается нечёткими значениями (достоверностью) событий x1, …, x5. Функция активации нейрона формируется:
, если это значение не меньше порога h, 0 – в противном случае; ni – количество активных входов (дендритов) i-го нейрона, fj – значение возбуждения рецептора xj, связанного с i-м нейроном .Составьте однослойные логические нейронные сети по описанию систем принятия решений. Функция активации имеет вид:
; , 0 – в противном случае, ni – количество активных входов нейрона.