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. EMBED Equation.3
=EMBED Equation.3
>EMBED Equation.3
>…>EMBED Equation.3
=EMBED Equation.3
, (1) EMBED Equation.3
>0;EMBED Equation.3
<0, (2) EMBED Equation.3
 (3) де EMBED Equation.3
,EMBED Equation.3
)EMBED Equation.3
, EMBED Equation.3
,EMBED Equation.3
)EMBED Equation.3
- постійні вхідні сигнали та стани мережі відповідно; EMBED Equation.3
 - скаляр, що відповідає вхідній провідності нейрона EMBED Equation.3
; EMBED Equation.3
 - скаляр, який відповідає вхідній ємності нейрона EMBED Equation.3
; EMBED Equation.3
- коефіцієнт підсилення активаційної функціїEMBED Equation.3
; матрицю взаємозв’язків EMBED Equation.3
 (4) виберемо діагонально-стабільною симетричною матрицею з EMBED Equation.3
. Зробимо додаткові припущення: EMBED Equation.3
EMBED Equation.3
EMBED Equation.3
EMBED Equation.3
EMBED Equation.3
),g(EMBED Equation.3
))EMBED Equation.3
;EMBED Equation.3
→EMBED Equation.3
. EMBED Equation.3
(5) Нехай функція EMBED Equation.3
 - локально неперервна за Ліпшицем та нелінійно діагональна. Припустимо, що активаційні функції задовольняють умову EMBED Equation.3
 та умову EMBED Equation.3
 (6) для кожного EMBED Equation.3
, EMBED Equation.3
EMBED Equation.3
EMBED Equation.3
EMBED Equation.3
EMBED Equation.3
. 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,  EMBED Equation.3 
 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:  EMBED Equation.3 
,  EMBED Equation.3 
 =-2.1. Динаміка станів  EMBED Equation.3 
 буде мати форму, представлену на рис. 1. Згі- дно з рис. 5 компоненти  EMBED Equation.3 
 у встановленому режимі мають негативні значення, тобто є переможеними відповідно до розподілу з рис. 2.
Рис. 2. Динаміка станів моделі при  EMBED Equation.3 
 - 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.