tailieunhanh - Mô phỏng bộ điều khiển Neuron với luật học hệ số học thích nghi và phương pháp xung lượng

Sự phát triển không ngừng của khoa học công nghệ làm xuất hiện các đối tượng điều khiển có độ phức tạp ngày càng tăng. Yêu cầu thực tiễn đặt ra là phải điều khiển các hệ thống động ngày càng phức tạp, trong điều kiện các yếu tố bất định ngày càng gia tăng với yêu cầu chất lựợng điều khiển ngày càng cao. Các yêu cầu trên không thể được đáp ứng một cách trọn vẹn, đồng thời nếu chỉ dùng các lí thuyết điều khiển thông thường sẵn có. Đây chính là động lực cho sự ra đời của hàng loạt các lí thuyết điều khiển hiện đại. hứa hẹn một hướng giải quyết triệt để các bài toán điều khiển phi tuyến phức tạp. | TAÏP CHÍ PHAÙT TRIEÅN KH&CN, TAÄP 11, SOÁ 03 - 2008 MÔ PHỎNG BỘ ĐIỀU KHIỂN NEURON VỚI LUẬT HỌC HỆ SỐ HỌC THÍCH NGHI VÀ PHƯƠNG PHÁP XUNG LƯỢNG Từ Diệp Công Thành Trường Đại học Bách Khoa, ĐHQG-HCM THIỆU Sự phát triển không ngừng của khoa học công nghệ làm xuất hiện các đối tượng điều khiển có độ phức tạp ngày càng tăng. Yêu cầu thực tiễn đặt ra là phải điều khiển các hệ thống động ngày càng phức tạp, trong điều kiện các yếu tố bất định ngày càng gia tăng với yêu cầu chất lựợng điều khiển ngày càng cao. Các yêu cầu trên không thể được đáp ứng một cách trọn vẹn, đồng thời nếu chỉ dùng các lí thuyết điều khiển thông thường sẵn có. Đây chính là động lực cho sự ra đời của hàng loạt các lí thuyết điều khiển hiện đại. hứa hẹn một hướng giải quyết triệt để các bài toán điều khiển phi tuyến phức tạp. Trong những năm gần đây, mạng thần kinh nhân tạo đã được áp dụng thành công vào những lĩnh vực kỹ thuật như giao thông[1], robot[2], thị giác máy tính[3], tay máy[4] Nhiều sơ đồ điều khiển dùng mạng thần kinh với thuật toán lan truyền ngược được ứng dụng để giải các bài toán điều khiển các hệ phi tuyến phức tạp và bất ổn định[5][6]. Tính thích nghi cho phép mạng thần kinh vẫn thực hiện tốt chức năng của nó khi môi trường và đối tượng điều khiển thay đổi theo thời gian bằng cách cập nhật cấu trúc mạng cũng như các trọng số của mình. Có rất nhiểu thuật toán đã được phát triển để huấn luyện mạng thần kinh với nhưng ưu và khuyết điểm riêng[7][8]. Thuật toán suy giảm độ dốc là một trong những thuật toán đơn giản và thường dùng nhất để cập nhật các trọng số của mạng thần kinh. Nhằm nâng cao chất lượng mạng, hai phương pháp huấn luyện mạng nhằm đảm bảo thuật toán luôn hội tụ và huấn luyện nhanh là hệ số học thích nghi và phương pháp xung lượng. Trong bài viết này, chúng ta sẽ tiến hành lập trình mô phỏng, kiểm chứng và so sánh các phương pháp huấn luyện mạng trên bằng chương trình MATLAB. TOÁN SUY GIẢM ĐỘ DỐC THÔNG THƯỜNG Bộ điều khiển sử dụng mạng thần kinh có thể .

TỪ KHÓA LIÊN QUAN
TÀI LIỆU MỚI ĐĂNG
19    229    0    27-04-2024
46    187    0    27-04-2024
8    175    0    27-04-2024
11    101    0    27-04-2024
8    86    0    27-04-2024
crossorigin="anonymous">
Đã phát hiện trình chặn quảng cáo AdBlock
Trang web này phụ thuộc vào doanh thu từ số lần hiển thị quảng cáo để tồn tại. Vui lòng tắt trình chặn quảng cáo của bạn hoặc tạm dừng tính năng chặn quảng cáo cho trang web này.