Treść książki
Przejdź do opcji czytnikaPrzejdź do nawigacjiPrzejdź do informacjiPrzejdź do stopki
3.3.Siecineuronowe
29
dsolve({diff(x(t),t)=y(t),diff(y(t),t)=x(t)+y(t),x(0)=2,y(0)=1},{x(t),y(t)},
type=numeric,method=classical,output=procedurelist);.
Wrozdziałach4i5zamieszczonoszczegółoweproceduryanalizysymbolicznej
kinematykiidynamikimobilnychrobotówkołowych.
3.3.Siecineuronowe
Mobilnerobotykołowesąukładaminieholonomicznymi,nieliniowymiodwóch
stopniachswobody[57].Zagadnieniamodelowaniaisterowaniatymiobiektamisą
złożone,aichrozwiązaniewymagastosowaniazłożonychmetod.Zewzględuna
dotychczasowybraksystematycznegopodejściadoanalizyisyntezydynamicznych
układównieliniowych,sztucznesiecineuronowe,zwanedalejsieciamineuronowymi
(SN),zewzględunaichmożliwościaproksymacjidowolnychodwzorowańnielinio-
wychorazmożliwośćuczeniasięiadaptacjistałysięatrakcyjnymnarzędziem
stosowanymwteoriiukładównieliniowych.Siecineuronowe,zewzględunaposia-
danąwłaściwośćuczeniasięnieliniowychcharakterystyk,stosujesiędomodelo-
waniazłożonychukładównieliniowych.SNskładająsięzszereguprostychelementów
obliczeniowych,tzw.neuronów[14,20,25,33,37–39,44,56],ułożonychwwarstwy
imogącychprzetwarzaćrównoleglesygnaływejściowe.Ogólnie,sztucznyneuron
działawedługnastępującejzasady.Nawejściepodawanesąsygnały,którenastępniesą
mnożoneprzezodpowiedniewspółczynnikiwag;takuzyskanesygnałysąsumowane
iwyznaczająoneaktywnośćneuronu.Wefekciesygnałwyjściowyi-tegoneuronujest
określonywpostaci
y
i
=S∑w
(
[
j=1
n
ij
x
j
+w
i0
\
)
,
(3.1)
gdziex∈R
n
jestsygnałemwejściowym,w
i
∈R
n
jestwektoremwagi-tegoneuronu,
awartośćw
i0
jestwartościąprogową.Modelneuronupokazanonarys.3.1.
Rys.3.1.
Modelneuronu
NieliniowafunkcjaaktywacjiS(.)możeprzyjmowaćróżneformy.SNmożna
scharakteryzowaćprzezpodaniesposobupołączenianeuronówmiędzysobąiich
wzajemnegowspółdziałania,przyjęciafunkcjiaktywacjineuronuisposobuuczenia
wag.NajczęściejspotykanestrukturySNtosiećjednokierunkowa,siećneuronowa
oradialnychfunkcjachpodstawowychorazsiećzrozszerzeniemfunkcyjnym[3,33].
