DevioLab CRYPTO TRADING AUTOMATION
LIVE
AUTOMATED CRYPTO TRADING • BINANCE
Автоматизуйте свій криптопортфель
Торгові боти DevioLab аналізують крипторинок, автоматично відкривають і закривають позиції та керують вашим портфелем на Binance 24/7.
CRYPTO 80 Bots
BINANCE Spot Trading
TRADING 24 / 7
Спробувати DevioLab
deviolab.com

КОМП’ЮТЕРНЕ МОДЕЛЮВАННЯ НЕЙРОННОЇ МЕРЕЖІ У СЕРЕДОВИЩАХ ПРОГРАМ MATLAB І MICRO-CAP

Інформація про навчальний заклад

ВУЗ:
Національний університет Львівська політехніка
Інститут:
Не вказано
Факультет:
Не вказано
Кафедра:
Кафедра САПР

Інформація про роботу

Рік:
2015
Тип роботи:
Звіт
Предмет:
Інші
Група:
КН-316

Частина тексту файла (без зображень, графіків і формул):

Міністерство освіти і науки України Національний університет «Львівська політехніка» кафедра САПР  Звіт до лабораторних робіт №4,5 на тему: «КОМП’ЮТЕРНЕ МОДЕЛЮВАННЯ НЕЙРОННОЇ МЕРЕЖІ У СЕРЕДОВИЩАХ ПРОГРАМ MATLAB І MICRO-CAP» Львів-2008 МЕТА РОБОТИ Вивчити і закріпити знання та основні аспекти роботи, а також отримати практичні навички моделювання та схемотехнічної реалізації аналогової нейронної мережі у середовищах програм Matlab і Micro-Cap. ТЕОРИТИЧНІ ВІДОМОСТІ МОДЕЛЮВАННЯ НЕЙРОННОЇ МЕРЕЖІ 1. Моделювання нейронної мережі ідентифікації більшого за величиною з двох невідомих сигналів. Задача визначення максимальних сигналів є ключовою в нейронних мережах прийняття рішень, розпізнавання зображень та конкуруючого навчання. Цей тип задач природно виникає при розробці нейронних схем класифікаторів та класифікації зображень. Схеми, що розв’язують такі задачі, використовується у сортувальних мережах із застосуванням у менеджменті баз даних, при конструюванні мікросхем великої інтеграції (VLSI), у цифровій обробці сигналів та у телекомунікаціях, особливо для керування пакетними перемикачами даних. =>>…>=, (1) >0;<0, (2)  (3) де ,), ,)- постійні вхідні сигнали та стани мережі відповідно;  - скаляр, що відповідає вхідній провідності нейрона ;  - скаляр, який відповідає вхідній ємності нейрона ; - коефіцієнт підсилення активаційної функції; матрицю взаємозв’язків  (4) виберемо діагонально-стабільною симетричною матрицею з . Зробимо додаткові припущення: ),g());→. (5) Нехай функція  - локально неперервна за Ліпшицем та нелінійно діагональна. Припустимо, що активаційні функції задовольняють умову  та умову  (6) для кожного , . Відмітімо, що умова (6) гарантує існування неспадаючого характеру активаційної функції.  Рис. 1. Функціональна схема нейронної мережі, що описується моделлю (3). Завдання. Ознайомитися з теоретичними відомостями Увімкнути комп'ютер. Переконатись у наявності встановлених програм Matlab і Micro-Cap. Запустити Matlab і Micro-Cap. Написати на мові Matlab програму моделювання аналогової нейронної мережі, яка описується диференційним рівнянням (3). Отримати графіки часових залежностей станів моделі з прикладу (n-м), де n - № прізвища студента у списку групи,  Сформувати в середовищі Simulink програми Matlab модель нейронної мережі за функціональною схемою з рис. 1. Отримати графіки часових залежностей станів моделі за даними з прикладу (n-м) і завдання 5. Сформувати за допомогою програми Micro-Cap модель нейронної мережі, функціональна схема якої подана на рис. 1. Отримати графіки динаміки станів моделі за даними з прикладу (n-м) і завдання 5. За функціональною схемою з рис. 1 реалізувати схему нейронної мережі в елементній базі Micro-Cap. Побудувати графіки часових залежностей станів моделі за даними з прикладу (n-м) і завдання 5. Порівняти результати моделювання нейронної мережі за допомогою мови Matlab, тулбоксу Simulink програми Matlab, програми Micro-Cap, а також результати схемної реалізації мережі в елементній базі Micro-Cap. Проінформувати викладача про завершення роботи. Продемонструвати на комп’ютері та пояснити результати виконання отриманих завдань. Оформити звіт. Оскільки n=8, то приклад з якого отримаємо графік часових залежностей станів моделі = №3 Приклад 3. Задамо у прикладі 1 наступні вхідні сигнали: ,  =-2.1. Динаміка станів  буде мати форму, представлену на рис. 1. Згі- дно з рис. 5 компоненти  у встановленому режимі мають негативні значення, тобто є переможеними відповідно до розподілу з рис. 2.  Рис. 2. Динаміка станів моделі при  - приклад 3. Хід роботи. Модель нейронної мережі за функціональною схемою з рис. 1. сформована в середовищі Simulink програми Matlab.  Модель нейронної мережі за функціональною схемою з рис. 1. сформована за допомогою програми Micro-Cap.  Отримані результати. 1. Графіки часових залежностей станів моделі за даними з прикладу №3 сформованої в середовищі Simulink програми Matlab.  2. Графіки часових залежностей станів моделі за даними з прикладу №3 сформованої за допомогою програми Micro-Cap.  Висновки На цій лабораторній роботі ми вивчили і закріпили знання та основні аспекти роботи, а також отримали практичні навички моделювання та схемотехнічної реалізації аналогової нейронної мережі у середовищах програм Matlab і Micro-Cap.
Антиботан аватар за замовчуванням

2015

Коментарі

Ви не можете залишити коментар. Для цього, будь ласка, увійдіть або зареєструйтесь.

Ділись своїми роботами та отримуй миттєві бонуси!

Нічого не вибрано
0%

Оголошення від адміністратора

Антиботан аватар за замовчуванням

Подякувати Студентському архіву довільною сумою

Admin

26.02.2023 12:38

Дякуємо, що користуєтесь нашим архівом!