فرمت فایل : power point (لینک دانلود پایین صفحه) تعداد اسلاید : 56 اسلاید
شبکه عصبی :
lشبکه عصبی مصنوعی روشی عملی برای یادگیری توابع گوناگون نظیر توابع با مقادیر حقیقی، توابع با مقادیر گسسته و توابع با مقادیر برداری میباشد.lیادگیری شبکه عصبی در برابر خطاهای داده های آموزشی مصون بوده و اینگونه شبکه ها با موفقیت به مسائلی نظیر شناسائی گفتار، شناسائی و تعبیر تصاویر، و یادگیری روبات اعمال شده است.lشبکه از تعداد دلخواهی سلول یا گره یا واحد و یا نرون تشکیل میشود که مجموعه ورودی ها را به خروجی ربط میدهد.lساختار شبکه عصبی :
•یک شبکه عصبی شامل اجزای سازنده لایهها و وزنها میباشد. رفتار شبکه نیز وابسته به ارتباط بین اعضا است. در حالت کلی در شبکههای عصبی سه نوع لایه نورونی وجود دارد:•لایه ورودی: دریافت اطلاعات خامی که به شبکه تغذیه شدهاست.•لایههای پنهان: عملکرد این لایهها به وسیله ورودیها و وزن ارتباط بین آنها و لایههای پنهان تعیین میشود. وزنهای بین واحدهای ورودی و پنهان تعیین میکند که چه وقت یک واحد پنهان باید فعال شود.•لایه خروجی: عملکرد واحد خروجی بسته به فعالیت واحد پنهان و وزن ارتباط بین واحد پنهان و خروجی میباشد. انواع شبکه عصبی :•شبکه عصبی پرسپترون•شبکه عصبی هاپفیلد•شبکه عصبی همینگ•شبکه عصبی کوهنن•شبکه عصبی انتشار رو به عقب•شبکه عصبی تاخیر زمانیبا وجود کنترل کلاسیک وکنترل مدرن چه لزومی به استفاده از شبکه عصبی یا روش های محاسبات نرم در کنترل وجود دارد؟ در واقع همیشه این امکان وجود ندارد که رابطه بین ورودی و خروجی با ریاضی کلاسیک بیان شود و همچنین همیشه این وجود ندارد که یک مدل خطی بدست آورد. مدل های غیر خطی به خوبی مدل های سیستم های غیر خطی درک نشده اند.روش هایی برای بعضی از سیستم های غیر خطی ساده تر وجود دارد. شبکه های عصبی روش مفیدی برای کنترل سیستم های غیر خطی پیچیده ارائه می دهد ،زیرا نیازی به مدل سیستم ندارد.
فهرست :
مقدمه
در چه حالت های در کنترل یک سیستم باید به سمت روش های محاسبات نرم برویم؟
مراحل پیشرفت روش های کنترل سیستم ها
کدامیک از کاربرد های شبکه عصبی در کنترل سیستم ها استفاده می شود؟
مهمترین نوع شبکه عصبی که در کنترل استفاده می شود چیست؟
کاربرد شبکه عصبی پرسپترون چند لایه در کنترل MLP
مهترین معماری های شبکه عصبی برای کنترل سیستم ها
نمونه کلی از کاربرد شبکه های عصبی در MPC
شباهت سیستم های عصبی با مدل های غیر خطی
طرح اولیه مدل پیش بین گام اول براساس شبکه عصبی BP
تفاوت کنترل با NARMA–L2 با کنترل PID برای کنترل پایداری در موتور DC تحریک جداگانه
مثالی از کنترل کاربرد نروکنترلر مدل مرجع در Simulink
تنظیم پارامترهای کنترلر PID با استفاده از شبکه عصبی