Nghiên cứu ứng dụng mạng nơron truyền thẳng nhiều lớp nhận dạng vị trí rôbốt hai khâu

41 413 0
Nghiên cứu ứng dụng mạng nơron truyền thẳng nhiều lớp nhận dạng vị trí rôbốt hai khâu

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

Thông tin tài liệu

5 Chương I.Tổng quan mạng nơ ron nhân tạo Chương I.Tổng quan mạng nơ ron nhân tạo LỜI CAM ĐOAN LỜI NÓI ĐẦU Tôi xin cam đoan luận văn công trình tổng hợp nghiên cứu Trong luận văn có sử dụng số tài liệu tham khảo nêu phần tài liệu Trong hệ thống điều khiển đại, có nhiều phương pháp điều khiển đảm bảo tốt chất lượng điều khiển Trong điều khiển tự động, để điều khiển xác đối tượng chưa biết rõ thông số, trước tiên ta phải hiểu rõ đối tham khảo tượng Đặc biệt đối tượng phi tuyến ta cần dạng đặc tính vào-ra Tác giả Luận văn để đảm bảo tạo tín hiệu điều khiển thích nghi lựa chọn xác Những điều khiển đại thường sử dụng lôgic mờ, mạng nơron, mạng nơron mờ để nhận dạng điều khiển thích nghi hệ thống phi tuyến Trong thời gian khoá học cao học, chuyên ngành Tự động hoá trường Nguyễn Đắc Nam Đại Học Kỹ Thuật Công Nghiệp Thái Nguyên, tạo điều kiện giúp đỡ nhà trường Tiến Sĩ Phạm Hữu Đức Dục em lựa chọn đề tài là: “Nghiên cứu ứng dụng mạng nơron truyền thẳng nhiều lớp nhận dạng vị trí rôbốt hai khâu” Trong khoảng tháng thực đề tài, hướng dẫn nhiệt tình Tiến Sĩ Phạm Hữu Đức Dục, giúp đỡ bạn bè với nỗ lực, cố gắng luận văn đến hoàn thành Dù có nhiều cố gắng, xong luận văn không tránh khỏi thiếu sót hạn chế, em mong nhận góp ý thầy để luận văn tốt Em xin trân trọng cảm ơn! Học viên Nguyễn Đắc Nam Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Chương I.Tổng quan mạng nơ ron nhân tạo Chương I.Tổng quan mạng nơ ron nhân tạo MỤC LỤC 33 KẾT LUẬN CHƢƠNG Chƣơng II- Các phƣơng pháp ứng dụng mạng nơ ron nhận dạng Trang Lời cam đoan Danh mục ký hiệu, bảng, chữ viết tắt Danh mục hình vẽ PHẦN MỞ ĐÀU Chƣơng I- TÔNG QUAN VỀ MẠNG NƠ RON NHÂN TẠO 1.1 Lịch sử phát triển mạng nơ ron nhân tạo 1.2 Các tính chất mạng nơ ron nhân tạo 1.3 Mô hình nơ ron 1.3.1.Mô hình nơ ron sinh học 1.3.1.1 chức năng, tổ chức hoạt động não người 1.3.1.2 Mạng nơ ron sinh học 1.3.2 Mạng nơ ron nhân tạo 10 1.3.2.1 Khái niệm 10 1.3.2.2 Phân loại mạng nơ ron 13 1.3.2.3 Các luật học 15 1.3.3 Mô hình toán học mạng nơ ron truyền thẳng mạng nơ ron hồi quy 19 1.3.3.1 Mạng nơ ron truyền thẳng 19 1.3.3.2 Mạng nơ ron hồi quy 22 1.4 Quá trình huấn luyện mạng nơ ron nhiều lớp 24 1.4.1 Quá trình thực 24 1.4.2 Quy tắc chuỗi 25 1.4.3 Độ xác lan truyền ngược 27 1.4.4 Biến thể lan tryền ngược 27 1.4.5 Tổng quát.(phép nội suy phép ngoại suy) 28 1.5 Công nghệ phân cứng sử dụng mạng nơ ron 31 1.6 So sánh khả mạng nơ ron với mạch logic 32 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn điều khiển 34 2.1 Các vấn đề chung 34 2.2 Các phƣơng pháp ứng dụng mạng nơ ron nhận dạng 34 2.2.1 Cơ sở lý luận 34 2.2.2 Mô tả toán học đối tượng miền rời rạc 36 2.2.3 Mô hình dùng mạng nơ ron 39 2.2.3.1 Mô hình song song 39 2.2.3.2 Mô hình nối tiếp song song 39 2.2.3.3 Mô hình ngược trực tiếp 40 2.2.3.4 Mô hình tổ hợp 41 2.3 Các phƣơng pháp ứng dụng mạng nơ ron điều khiển 42 2.3.1 Bộ điều khiển đảm bảo tính ổn định vững 42 2.3.2 Bộ điều khiển thích nghi ngược trực tiếp 42 2.3.3 Điều khiển phi tuyến mô hình 44 2.3.4 Điều khiển dự báo 44 2.3.5 Điều khiển thích nghi theo mô hình mẫu (MRAC) 45 2.3.6 Điều khiển thích nghi tự chỉnh 46 2.3.7 Điều khiển thích nghi mạng nơ ron hồi quy tuyến tính 46 2.3.8 Điều khiển thích nghi ổn định trực tiếp 48 2.3.9 Điều khiển tối ưu 49 2.3.10 Phương pháp bảng tra 50 2.3.11 Điều khiển lọc 50 2.4 Những hạn chế ý 51 KẾT LUẬN CHƢƠNG 52 Chƣơng III - Ứng dụng mạng nơ ron truyền thẳng nhiều lớp nhận dạng vị trí rô bốt hai khâu 3.1 Mạng nơ ron truyền thẳng nhiều lớp Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 53 53 http://www.lrc-tnu.edu.vn Chương I.Tổng quan mạng nơ ron nhân tạo 10 Chương I.Tổng quan mạng nơ ron nhân tạo 3.1.1 Sơ đồ khối mạng nơ ron truyền thẳng nhiều lớp 53 3.1.2 Thuật toán học lan truyền ngược sai lệch 53 3.2 Ứng dụng mạng nơ ron truyền thẳng nhiều lớp nhận dạng vị trí rô DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ STT Ký hiệu Diễn giải tên hình vẽ Hình Sơ đồ khối điều khiển thích nghi rô bốt hai khâu Sơ đồ ứng dụng mạng nơ ron nhận dạng vị trí rô bốt hai khâu 57 3.2.1 Phân tích sơ đồ ứng dụng 57 Hình 3.2.2 Mô tả động học rô bốt hai khâu 59 Hình 1.1 Mô hình hai nơ ron sinh học 3.2.3 Thiết lập mạng nơ ron nhận dạng 60 Hình 1.2 Mô hình nơ ron nhân tạo 3.2.3.1 Thiết lập sơ đồ nhận dạng 60 Hình 1.3a Biểu diễn hình học hàm Rump 3.2.4.2 Quá trình nhận dạng 63 Hình 1.3b Biểu diễn hình học hàm bước nhảy 3.2.4.3 Kết mô nhận dạng 65 Hình 1.3c Biểu diễn hình học hàm giới hạn cứng 3.2.4.4 Kết luận chương III 74 Hình 1.3d Biểu diễn hình học hàm Sigmoid hai cực 75 Hình 1.4a Mạng lớp truyền thẳng 10 Hình 1.4b Mạng nhiều lớp truyền thẳng 11 Hình 1.4c Mạng nơ ron có phản hồi 12 Hình 1.4d Mạng nơ ron hồi quy 13 Hình 1.5 Cấu trúc huấn luyện mạng nơ ron 14 Hình 1.6 Mô hình học có giám sát học củng cố 15 Hình 1.7 Mô hình học giám sát 16 Hình 1.8 Sơ đồ cấu trúc chung trình học 17 Hình 1.9 Cấu trúc mạng nơ ron lớp 18 Hình 1.10 Ký hiệu mạng R đầu vào S nơ ron 19 Hình 1.11 Ký hiệu mạng lớp 20 Hình 1.12 Cấu trúc mạng nơ ron lớp 21 Hình 1.13 Ký hiệu mạng nơ ron lớp 22 Hình 1.14 Ký hiệu mạng l lớp hồi quy 23 Hình 1.15 Ký hiệu mạng nơ ron lớp hồi quy 24 Hình 1.16a bốt hai khâu KẾT LUẬN CHUNG Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Mạng huấn luyện theo phương pháp bình phương sai lệch cực tiểu Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 11 Chương I.Tổng quan mạng nơ ron nhân tạo 12 Chương I.Tổng quan mạng nơ ron nhân tạo ym Mô hình mẫu PHẦN MỞ ĐẦU 1.Lý lựa chọn đề tài - ymh xd Để điều khiển xác đối tượng chưa biết rõ thông số, trước tiên ta phải hiểu rõ đối tượng Đối với đối tượng phi tuyến rô bốt, ta cần thực nhận dạng đặc tính vào để đảm bảo tạo tín hiệu điều khiển thích e2 ė2 Bộ điều khiển u Rôbốt hai khâu K K nghi lựa chọn xác Hiện thường sử dụng logic mờ (Fuzzy Logic), mạng nơ ron ( Neural Networks), mạng no ron mờ (Fuzzy Neural Mạng nơron nhận dạng Networks) để nhận dạng điều khiển thích nghi hệ thống phi tuyến.Trong khuôn khổ khoá học Cao học, chuyên ngành Tự động hoá trường Đại học Kỹ thuật Công nghiệp Thái Nguyên, tạo điều kiện giúp đỡ nhà trường Tiến sĩ Phạm Hữu Đức Dục, em lựa chọn đề tài “Nghiên cứu ứng dụng e2 y ymh - e1 Hình Sơ đồ khối điều khiển thích nghi rô bốt hai khâu mạng nơ ron truyền thẳng nhiều lớp nhận dạng vị trí rô bốt hai khâu” Sơ đồ điều khiển thực theo hai giai đoạn sau đây: 2.Mục đích đề tài Nghiên cứu việc ứng dụng mạng nơ ron trình nhận dạng điều Giai đoạn 1: Sử dụng mạng nơ ron nhận dạng vị trí rô bốt hai khâu, khiển hệ thống phi tuyến nói chung Đặc biệt sâu nghiên cứu mạng nơ ron truyền khoá K mở Căn vào sai lệch e1 tín hiệu rô bốt (y) tín hiệu thẳng nhiều lớp nhận dạng đặc tính vào – rô bốt hai khâu, làm sở cho việc mạng nơ ron nhận dạng(ymh), mạng nơ ron tiến hành học để nhận dạng đặc tạo tín hiệu điều khiển thích nghi lựa chọn xác tính vào y rô bốt hai khâu, cho tín hiệu mạng nơ ron nhận dạng ymh bám Đối tƣợng phạm vi nghiên cứu theo tín hiệu y rô bốt hai khâu Với e1= y- ymh Giai đoạn 2: Căn vào kết nhận dạng ta có mạng nơ ron a/ Đối tượng nghiên cứu Đối tượng nghiên cứu đề tài sử dụng mạng nơ ron truyền thẳng nhiều lớp nhận dạng vị trí hai khâu rô bốt thay gần cho rô bốt hai khâu từ tiến hành điều khiển thích nghi rô bôt  Sơ đồ hình mô tả mô hình điều chỉnh thích nghi rô bốt hai khâu theo mô hình mẫu hai khâu theo mô hình mẫu Các khoá K đóng, dựa vào thông số sai lệch (e 2, e ) tín hiệu đầu mô hình mẫu ym tín hiệu đầu mạng nơ ron nhận dạng ymh, điều khiển thực luật học thích nghi tạo tín hiệu điều khiển u với mục đích tạo tín hiệu đầu mạng nhận dạng bám theo tín hiệu đầu mô hình Với e2 = ym – ymh ė2 đạo hàm cấp sai lệch e2 Với thời gian nghiên cứu có hạn, luận văn sâu nghiên cứu ứng dụng mạng nơ ron nhiều lớp truyền thẳng nhận dạng vị trí rô bốt hai khâu b/ Phạm vi nghiên cứu đề tài Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 13 Chương I.Tổng quan mạng nơ ron nhân tạo 14 Chương I.Tổng quan mạng nơ ron nhân tạo Chương I Tổng quan mạng nơ ron nhân tạo: mạng nơ ron ta tính toán tín hiệu điều chỉnh nhằm điều khiển thích nghi vị trí Phân tích tổng quan nề mạng nơ ron bao gồm : Lịch sử phát triển, kết cấu mạng nơ ron, vai trò mạng nơ ron điều khiển rô bốt hai khâu phù hợp với yêu cầu cần thiết điều chỉnh thích nghi vị trí rô bốt hai khâu Chương II Các phương pháp ứng dụng mạng nơ ron nhận dạng điều khiển: Trình bày phương pháp ứng dụng mô hình mạng nơ ron nhận dạng điều khiển Chương III Ứng dụng mạng nơ ron truyền thẳng nhiều lớp nhận dạng vị trí rô bốt hai khâu Đưa mô hình nhận dạng vị trí rô bốt hai khâu, từ phân tích, lựa chọn mạng nơ ron truyền thẳng nhiều lớp với luật học lan truyền ngược tiến hành nhận dạng đặc tính vào rô bốt hai khâu với sơ đồ tổng quát hình 2: xd Robot hai khâu (Mô hình tính toán vị trí) Mạng nơ ron nhận dạng y ymh e1 Hình2 Sơ đồ ứng dụng mạng nơ ron nhận dạng vị trí rô bốt hai khâu Ý nghĩa khoa học thực tiễn đề tài Với ứng dụng mạng nơ ron truyền thẳng nhiều lớp nhận dạng quỹ đạo chuyển động miền thời gian thực rô bốt hai khâu Sau nhận dạng vị trí rô bốt hai khâu, ta thay gần mô hình vị trí rô bốt hai khâu mạng nơ ron truyền thẳng, từ vào thông số mô Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 15 Chương I.Tổng quan mạng nơ ron nhân tạo CHƢƠNG I TỔNG QUAN VỀ MẠNG NƠ RON NHÂN TẠO 16 Chương I.Tổng quan mạng nơ ron nhân tạo Là hệ xử lý song song: Mạng nơ ron có cấu trúc song song, có độ tính toán cao phù hợp với lĩnh vực nhận dạng điều khiển Mạng nơ ron nhân tạo (Artificial Neural Networks) hệ thống xây dựng dựa nguyên tắc cấu tạo não người Nó cho hướng Là hệ học thích nghi: Mạng luyện từ số liệu khứ có khả tự chỉnh số liệu đầu vào bị mất, điều khiển on- line nghiên cứu hệ thống thông tin Mạng nơ ron nhân tạo thực toán: Tính toán gần hàm số, thực toán tối ưu, nhận mẫu, nhận dạng điều khiển đối tượng hiệu so với phương pháp truyền thống Là hệ nhiều biến, nhiều đầu vào, nhiều đầu (MIMO), tiện dùng đối tượng điều khiển có nhiều biến số 1.3 MÔ HÌNH NƠ RON 1.3.1.Mô hình nơ ron sinh học Mạng nơ ron nhân tạo có số lượng lớn mối liên kết phần tử biến 1.3.1.1 Chức năng, tổ chức hoạt động não người đổi có liên kết song song Nó có hành vi tương tự não người với khả học ( Learning ), gọi lại (Recall) tổng hợp thông tin từ luyện tập tập mẫu liệu Các phần tử biến đổi mạng nơ ron nhân tạo gọi nơ ron nhân tạo gọi tắt nơ ron 1.1 LỊCH SỬ PHÁT TRIỂN CỦA MẠNG NƠ RON NHÂN TẠO Bộ não người có chức quan trọng đời sống người Nó gần kiểm soát hầu hết hành vi người từ hoạt động bắp đơn giản đến hoạt động phức tạp học tập, nhớ, suy luận, tư duy, sáng tạo, Mạng nơ ron nhân tạo có lịch sử phát triển lâu dài Năm 1943, Bộ não người hình thành từ liên kết khoảng 1011 phần tử (tế McCulloch Pitts đưa khả liên kết số liên kết mạng bào), có khoảng 1010 phần tử nơ ron, số lại khoảng 9*1010 phần tử nơ ron Năm1949, Hebb đưa luật thích nghi mạng nơ ron Năm tế bào thần kinh đệm chúng có nhiệm vụ phục vụ hỗ trợ cho nơ 1958, Rosenbatt đưa cấu trúc Perception Năm 1969, Minsky Papert phân tích ron Thông thường não trung bình cân nặng khoảng 1,5 kg tích đắn Perception, họ chứng minh tính chất rõ giới hạn 235 cm3 Cho đến người ta chưa thực biết rõ cấu tạo chi tiết não số mô hình Năm 1976, Grossberg dựa vào tính chất sinh học đưa Tuy đại thể cấu tạo não phân chia thành nhiều vùng khác số cấu trúc hệ động học phi tuyến với tính chất Năm 1982, Rumelhart Mỗi vùng kiểm soát hay nhiều hoạt động người đưa mô hình song song số thuật toán kết Thuật toán học lan truyền ngược Rumelhart, Hinton, Williams (1986) đề xuất luyện mạng nơ ron nhiều lớp Những năm gần đây, nhiều tác giả đề xuất nhiều loại cấu trúc mạng nơ ron Mạng nơ ron ứng dụng nhiều lĩnh vực kinh tế kỹ thuật khoa học vũ Các đặc tính não người: - Tính phân lớp: Các vùng não phân thành lớp, thông tin xử lý theo tầng - Tính môđun: Các vùng nhớ phân thành môđun mã trụ (Hecht – Nielsen, 1988) 1.2 CÁC TÍNH CHẤT CỦA MẠNG NƠ RON NHÂN TẠO Là hệ phi tuyến: Mạng nơ ron có khả to lớn lĩnh vực nhận dạng hoá định nghĩa mối quan hệ tích hợp tín hiệu vào qua giác quan tín hiệu - Mối liên kết: Liên kết lớp dẫn đến liệu dùng chung xem điều khiển đối tượng phi tuyến liên hệ phản hồi truyền tín hiệu Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 17 Chương I.Tổng quan mạng nơ ron nhân tạo 18 Chương I.Tổng quan mạng nơ ron nhân tạo - Sử lý phân tán tín hiệu vào: Các tín hiệu vào truyền qua nhiều kênh thông tin khác nhau, xử lý phương pháp đặc biệt Tại việc nghiên cứu mạng thần kinh lại có tầm quan trọng lớn lao Có thể trả lời ngắn gọn sư giống tín hiệu tế bào thần kinh đơn Bộ não có cấu trúc nhiều lớp Lớp bên thường thấy nếp lẻ, chức thực não không phụ thuộc vào vai trò tế bào nhăn, lớp có cấu tạo phức tạp Đây nơi kiểm soát phát sinh hành thần kinh đơn, mà phụ thuộc vào toàn tế bào thần kinh hay tế bào thần động phức tạp nghe, nhìn, tư duy, kinh liên kết với thành mạng thần kinh hay mạng nơ ron (Neural Tín hiệu thu, nhận dạng xung điện – Màng (Membrane): Mỗi tế bào Networks) thần kinh có màng, có nhiệm vụ giữ cho chất nuôi tế bào không tràn Hoạt động não nói riêng hệ thần kinh nói chung Do đó, phần tử nội bào ngoại bào không nhau, chúng có người quan tâm nghiên cứu từ lâu người ta chưa hiểu rõ dung dịch muối lỏng làm cho chúng bị phân rã thành nguyên tử âm dương thực hoạt động não hệ thần kinh Đặc biệt hoạt động Các nguyên tử dương màng tạo điện màng, tồn trạng thái liên quan đến trí óc suy nghĩ, nhớ, sáng tạo, Tuy nay, người ta cân lực: lực đẩy nguyên tử dương khỏi tế bào với lực hút chúng có hiểu biết hoạt động cấp thấp não Mỗi nơ ron liên kết với khoảng 104 nơ ron khác, hoạt động vào tế bào Điện màng phần tử quan trọng trình truyền tin hệ thần não hoạt động cách tổng lực đạt hiệu cao Nói cách khác kinh Khi thay đổi khả thẩm thấu ion màng điện màng tế bào bị phần tử não hoạt động cách song song tương tác tinh vi phức thay đổi tiến tới ngưỡng đó, đồng thời sinh dòng điện, dòng điện tạp, hiệu hoạt động thường cao, vấn đề phức tạp Về tốc độ gây phản ứng kích thích làm thay đổi khả thẩm thấu ion tế bào tiếp xử lý não người nhanh tốc độ xử lý nơ ron (có thể xem theo phần tử xử lý hay phần tử tính) chậm so với xử lý cổng logic silicon chip vi xử lý (10-3 giây so với 10-10 giây) Xử lý thông tin não: Thông tin tiếp nhận từ giác quanvà chuyển vào tế bào thần kinh vận động vào tế bào Mỗi tế bào thần kinh tiếp nhận thông tin, điện Hoạt động hệ thống thần kinh bao gồm não giác quan sau: tăng thần kinh cảm giác, điện vượt ngưỡng tạo dòng điện Trước hết người bị kích thích giác quan từ bên trong tế bào thần kinh cảm giác, ý nghĩa dòng điện giải mã lưu thần thể Sự kích thích biến thành xung điện giác quan tiếp kinh trung ương, kết xử lý thông tin gửi đến tế bào nhận kích thích Những tín hiệu chuyển trung ương thần kinh não Các tế bào thần kinh đưa tín hiệu giống nhau, phân biệt loài động vật nguyên thuỷ hay giáo sư Các khớp thần kinh để xử lý Trong thực tế não liên tục nhận thông tin xử lý, đánh giá so sánh với thông tin lưu trữ để đưa định thích đáng cho tín hiệu phù hợp qua chúng, lại tín hiệu khác bị cản lại Lượng Những mệnh lệnh cần thiết phát sinh gửi đến phận thi tín hiệu biến đổi gọi cường độ khớp thần kinh trọng số hành thích hợp tay, chân, Những phận thi hành biến xung nơ ron mạng nơ ron nhân tạo điện thành liệu xuất hệ thống Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 19 Chương I.Tổng quan mạng nơ ron nhân tạo Tóm lại: Bộ não người có chức quan trọng đời sống 20 Chương I.Tổng quan mạng nơ ron nhân tạo b/ Hoạt động người Cấu tạo phức tạp, tinh vi tạo thành từ mạng nơ ron Các tín hiệu đưa synapte nhận dendrite có hàng chục tỉ tế bào với mức độ liên kết nơ ron cao Hơn nữa, kích thích điện tử Việc truyền tín hiệu liên quan đến trình hóa học chia thành vùng lớp khác Bộ não hoạt động dựa phức tạp mà chất truyền đặc trưng giải phóng từ phía gửi nơi chế hoạt động song song nơ ron tạo nên tiếp nối Điều làm tăng hay giảm điện bên thân nơ ron nhận Nơ 1.3.1.2 Mạng nơron sinh học ron nhận tín hiệu kích hoạt (fire) điện vượt khỏi ngưỡng a/ Cấu tạo xung (hoặc điện hoạt động) với độ mạnh (cường độ) thời gian tồn cố Nơ ron phần tử tạo nên não người Sơ đồ cấu tạo nơ ron sinh học hình 1.1 Một nơ ron điển hình có phần chính: định gửi thông qua axon tới phần nhánh tới chỗ nối synapte với nơ ron khác Sau kích hoạt, nơ ron chờ khoảng thời gian gọi chu kỳ, trước kích hoạt lại Synapses hưng phấn (excitatory) chúng cho phép kích thích truyền qua gây tình trạng Nhánh kích hoạt (fire) nơ ron nhận Ngược lại, chúng ức chế (inhibitory) kích thích truyền qua làm ngăn trở trạng thái kích hoạt (fire) nơ ron nhận Khớp nối 1.3.2 Mạng nơ ron nhân tạo Thân 1.3.2.1 Khái niệm Sợi trục Nơ ron nhân tạo chép nơ ron sinh học não người, có Hình1.1 Mô hình nơ ron sinh học đặc tính sau: - Mỗi nơ ron có số đầu vào, kết nối (Synaptic) đầu - Thân nơ ron (soma): Nhân nơ ron đặt - Các nhánh (dendrite): Đây mạng dạng dây thần (axon) - Một nơ ron hoạt động (+35mV) không hoạt động (-0,75mV) kinh để nối soma với - Sợi trục (Axon): Đây nối kết, hình trụ dài mang tín hiệu từ Phần cuối axon chia thành nhiều nhánh nhỏ Mỗi nhánh nhỏ (cả dendrite axon) kết thúc quan nhỏ hình củ hành gọi synapte mà nơ ron đưa tín hiệu vào nơr on khác Những - Chỉ có đầu nơ ron nối với đầu vào khác nơ ron khác Điều kiện để nơ ron kích hoạt hay không kích hoạt phụ thuộc đầu vào thời nó.Thông thường nơ ron có phần hình 1.2: điểm tiếp nhận với synapte nơ ron khác dendrite hay soma Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 21 Chương I.Tổng quan mạng nơ ron nhân tạo y1 Wi1 yj Wij ym 22 Chương I.Tổng quan mạng nơ ron nhân tạo Quan hệ H(s) h(t) quan hệ vào – tương ứng nơ ron cho  WiN u1 W*i1 uk W*ik uM W*iM  Hệ động học tuyến tính vi xi Hàm động học phi tuyến bảng 1.1 yi a(.) H(s) h(t)  (t ) s sT  1(t) T e T t xi(t) = wi(t) x (t) = v (t) i i Txi(t) +xi(t) = vi(t) e  sT  (t  T ) xi(t) = vi(t-T) Bảng 1.1 Hàm động học phi tuyến: Mô tả mối quan hệ đầu yi với đầu vào xi: Hình 1.2 Mô hình nơ ron nhân tạo yi=a(xi) Trên đầu vào nơ ron có gắn trọng số để liên kết nơ ron thứ i nơ với a(.) hàm chuyển đổi ron thứ j Các trọng số tương tự tế bào cảm giác mạng nơ ron sinh Hàm chuyển đổi: Để tìm đầu nơ ron ta phải tiến hành qua hai bước học sau: N - Tìm giá trị tổng trọng lượng đầu vào neti(t) M * Tổng trọng: Vi(t) = neti(t) =  Wij y j (t )   W ik u k (t )   i j 1 (1.1) k 1 Với Vi(t) tổng trọng nơ ron thứ i; yj(t) đầu nơ ron thứ jvà uk(t) đầu vào từ bên tương ứng với trọng số Wij W*ik;  - Căn vào neti(t) để tìm yi hàm chuyển đổi vào Hàm chuyển đổi a(.) thực coi nơ ron hộp đen, chuyển đổi tín hiệu vào thành tín hiệu ra.Các dạng hàm chuyển đổi thường sử dụng có số gọi ngưỡng nơ ron thứ i dạng sau: Hệ động học tuyến tính SISO: Đầu vào vi đầu xi Ở dạng toán tử Laplace ta + Hàm Rump (Rump Function) hàm có biểu diễn toán học (1.4): có: Xi(s)= H(s).Vi(s) (1.2) Dạng thời gian (1.2) có dạng (1.3) xi (t )  f > f f  f < (1.3) + Hàm bước nhảy (Step Function) hàm có biểu diễn toán học (1.5):  f  a(f) = f < Số hóa Trung tâm Học liệu – Đại học Thái Nguyên (1.4) Biểu diễn hình học hàm Rump hình vẽ 1.3.a t  h(t   )vi ( )d a(f) = http://www.lrc-tnu.edu.vn Số hóa Trung tâm Học liệu – Đại học Thái Nguyên (1.5) http://www.lrc-tnu.edu.vn 23 Chương I.Tổng quan mạng nơ ron nhân tạo 24 Chương I.Tổng quan mạng nơ ron nhân tạo Biểu diễn hình học hàm hình vẽ 1.3.b Mỗi nơ ron phối hợp với nơ ron khác tạo thành lớp + Hàm giới hạn cứng (Threshold Function) hàm có biểu diễn toán học (1.6): trọng số Mạng lớp truyền thẳng (Single- Layer Feedforward Network) hình 1.4 a f  a(f) = (1.6) -1 f < Có thể nối vài lớp nơ ron với tạo thành mạng nhiều lớp truyền thẳng (Multi- Layer Feedforward Network) hình 1.4.b Biểu diễn hình học hàm hình vẽ 1.3.c Hai loại mạng nơ ron lớp nhiều lớp gọi truyền thẳng đầu + Hàm sigmoid hai cực (Bipolar Sigmoid Function) hàm có biểu diễn toán học 1 (1.7): a(f) =  e  f nơ ron nối với đầu vào nơ ron lớp trước Mạng nơ ron phản hồi mạng mà đầu nơ ron quay trở lại (1.7) nối với đầu vào nơ ron lớp gọi mạng Laeral hình 1.4.c Biểu diễn hình học hàm hình vẽ 1.3d a a a Mạng nơ ron phản hồi thực đóng vòng gọi mạng nơ ron hồi quy (Recurrent Network) hình 1.4.d 1 1 f f x1 -1 f Hình 1.3a Hàm Rump Hình 1.3b Hàm bước nhảy Hình 1.3b Hàm giới hạn cứng w11 x2 xm wmm Hình 1.4.a y1 x1 y1 y2 x2 y2 ym xm ym Hình 1.4.b x1 y1 x1 x2 y2 x2 xm ym xm Hình 1.4.c Hình 1.3.d Hàm Sigmoid hai cực 1.3.2.2 Phân loại mạng nơ ron w11 y1 y2 wmm ym Hình 1.4.d Các nơ ron lớp vào trực tiếp nhận tín hiệu đầu vào, nơ ron có Nelson IIlingworth (1991) đưa mộy số loại cấu trúc mạng nơ tín hiệu vào Mỗi nơ ron lớp ẩn nối với tất nơ ron lớp vào lớp ron hình 1.4 Nơron vẽ vòng tròn xem tế bào thần kinh, Các nơ ron lớp có đầu vào nối với tất nơ ron lớp ẩn, chúng chúng có mối liên hệ đến nơ ron khác nhờ trọng số, lập thành ma đầu mạng Cần ý mạng nơ ron có nhiều lớp ẩn Các trận trọng số tương ứng mạng nơ ron nơ ron liên hệ với tất nơ ron lớp Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 57 Chương I.Tổng quan mạng nơ ron nhân tạo 58 Chương I.Tổng quan mạng nơ ron nhân tạo biến trạng thái hệ thống u đầu vào điều khiển Để có hệ thống tuyến tính từ hệ phi tuyến cho công thức 2.17 sử dụng đầu vào:   f (x p )  k T x p  r g(x p ) u  Tối ưu cho NNf (2.19) Trong k bao gồm hệ số phản hồi khếch đại, r đầu vào đặt Thay NNf (2.19) vào (2.17) ta kết hệ thống tuyến tính: x (pn )  k T x p  r Mô hình mẫu r (2.20) Chúng ta sử dụng mạng nơ ron hồi quy tuyến tính để thực tuyến + e + + - xm Tối ưu cho NNg NNg - + P x - xp k tính hoá với mục đích định Nếu sử dụng mạng nơ ron NNf NNg để xấp xỉ gần hàm f g ta viết lại tín hiệu điều khiển (2.21): u   NN f ( x p )  k T x p  r NN g ( x p )  Chúng ta muốn hệ thống theo mô hình mẫu cho công thức (2.22): x ( n) m  k x m  r T 2.2.8 Điều khiển thích nghi ổn định trực tiếp g(x p ) NN g ( x p )  NN f (x p )  k T x p  r điều thuận lợi cho việc thiết kế nên tất hệ thống đảm bảo tính ổn định  (2.23) Sai lệch điều khiển định nghĩa là: e = xp- xm (2.24) e ([Sas 192], [Poly 96], [Spcr 98] ) Phương pháp [Sas192] sử dụng nguyên lý ổn định Lyapunov thiết kế quy tắc mạng, nói xây dựng thuật toán giảm độ dốc Bộ điều khiển thích nghi ổn định trực tiếp cho hình 2.13: Vi phân sai lệch có biểu thức (2.25): (n) Gần đây, có phương pháp điều khiển thích nghi trực tiếp khác nhau, (2.22) Thay biểu thức 2.21 vào biểu thức 2.17 ta có: x (pn )  f ( x p )  Hình 2.12.Sơ đồ điều khiển thích nghi dùng mạng nơron hồi quy tuyến tính ( 2.21) T = -k e +{f(xp)- NNf(xp) } + {g(xp)- NNg(xp) }u (2.25) Hồi quy tuyến upd tính Với thuật toán huấn luyện phù hợp, biểu thức vi phân sai lệch xác định sai lệch hội tụ sai lệch đủ nhỏ [VaVe96] x Trong biến thiên khác điều khiển thích nghi hồi quy tuyến tính hoá có mô hình xấp xỉ gần Narendra[NaBa94] Điều khiển trượt usl X Điều chỉnh xd Mạng nơron uad + + + Thiết bị X + X Hình 2.13.Sơ đồ điều khiển thích nghi ổn định trực tiếp Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 59 Chương I.Tổng quan mạng nơ ron nhân tạo 60 Chương I.Tổng quan mạng nơ ron nhân tạo Sơ đồ gồm có: Một kâu hồi quy tuyến tính, điều khiển độ trượt phi thủ tục học Từ bề mặt tối ưu thời gian, nhìn chung phi tuyến, cần tuyến , điều khiển nơ ron thích nghi Tín hiệu điều khiển tổng hợp sử dụng vào khả tính gần bề mặt phi tuyến Một khả (2.26): lượng hoá không gian trạng thái vào phần tử bản, hoạt động điều khiển ( 2.26) giả thiết không đổi Quá trình sử dụng mạng liên kết Leteral Bề Trong đó: upd(t) tín hiệu điều khiển hồi quy tuyến tính, usl tín hiệu điều u(t) = upd(t) + [1-m(t) ].uad(t) + m(t).usl(t) mặt thay đổi trước, chúng định nghĩa hoàn toàn khiển theo mô hình trượt, uad tín hiệu điều khiển thich nghi mạng nơ ron, hàm trình học điểm không gian trạng thái với điều khiển thích nghi m(t) cho phép san trình độ trình điều khiển trượt cho trước Trong trình học, luật học điều chỉnh trọng số mạng trình điều khiển thich nghi dựa sở định vị trạng thái hệ thống: sở đưa véc tơ điều khiển trạng thái mong muốn Quá trình học véc tơ mẫu có điều khiển liên tục nhiều thời điểm véc tơ mẫu hoàn m(t) = Khi x(t)  Ad 0< m(t) [...]... nhận dạng vị trí q (rad) của rô bốt Trong luận văn này sử dụng mạng nơ ron truyền thẳng qiđ + Kui Sơ đồ ứng dụng mạng nơ ron truyền thẳng nhiều lớp nhận dạng vị trí rô bốt qiđ là vị trí đặt ban đầu của khâu i; Kui là bộ điều khiển điện áp của khâu i; ui là tín hiệu điện áp điều chỉnh của khâu i; qi là vị trí thưc của khâu i; q im là vị trí tương ứng Mô hình vị trí rô bốt hai khâu Mạng nơ ron nhận dạng. .. của mạng Ngoài ra còn bởi tính xử lý song song mạnh mẽ của phần cứng thực thi mạng 2.So sánh mạng nơ ron truyền thẳng nhiều lớp với mạng nơ ron hồi quy nhiều lớp ta Thông thường người ta hay dùng mạng nơ ron truyền thẳng nhiều lớp với thấy mạng nơ ron truyền thẳng nhiều lớp đơn giản hơn vì mạng nơ ron hồi quy luật dạy học có giám sát Ưu điểm lớn nhất của các mạng loại này là khả năng tổng nhiều lớp. .. vị trí khâu i của rô bốt bám ei theo được vị trí tương ứng của mô hình mẫu với sai số đạt yêu cầu Hình 3.2 Sơ đồ ứng dụng mạng nơ ron nhận dạng vị trí rô bốt hai khâu Quá trình điều khiển thích nghi được thực hiện theo hai giai đoạn: - Giai đoạn thứ nhất là nhận dạng vị trí của rô bốt hai khâu - Giai đoạn thứ hai thực hiện tạo ra tín hiệu điều chỉnh để vị trí q của rô bốt đạt được theo yêu cầu Số hóa... khiển thích nghi vị rô bốt hai khâu theo mô hình mẫu dạng qim bám theo được tín hiệu ra thực q i của rô bốt i qi + - Mạng nơ ron - nhiều lớp để nhận dạng vị trí rôbốt hai khâu sao cho tín hiệu ra của mô hình nhận hai khâu như hình 3.2 ui (3.13) qmi Giá trị của sai lệch này được sử dụng để thay đổi thông số và cấu trúc của bộ - điều khiển từ đó tạo ra tín hiệu điều chỉnh ui sao cho vị trí khâu i của rô... I.Tổng quan về mạng nơ ron nhân tạo 64 Chương I.Tổng quan về mạng nơ ron nhân tạo Trong trạng thái ánh xạ, thông tin lan tryền từ lớp nhận đến lớp xuất và mạng CHƢƠNG III ỨNG DỤNG MẠNG NƠRON TRUYỀN THẲNG NHIỀU LỚP NHẬN DẠNG thực hiện ánh xạ để tính giá trị các biến phụ thuộc dựa vào các giá trị của các biến độc lập đã cho Quá trình ánh xạ có thể được tóm tắt như sau: VỊ TRÍ RÔ BỐT HAI KHÂU Qua phân... I.Tổng quan về mạng nơ ron nhân tạo Ta nghiên cứu giai i 70 Chương I.Tổng quan về mạng nơ ron nhân tạo m3 là khối lượng tải của rô bốt Mô hình vị trí rô bốt hai khâu đoạn thứ nhất của quá trình qi Theo [3] phương trình Lagrangian mô tả động học cho rô bốt hai khâu như (3.14): điều khiển này bằng cách sử dụng mạng nơ ron truyền Mạng nơ ron nhận dạng i thẳng nhiều lớp với thuật toán lan truyền ngược... Cấu trúc mạng nơ ron 3 lớp Vào Lớp 2 Lớp 1 Lớp 3 2 lớp 1, S nơron ở lớp 2 … Thông thường, các lớp khác nhau có số nơ ron khác P nhau Rx1 Chú ý rằng đầu ra của mỗi lớp trung gian là đầu vào của lớp tiếp theo Như 1 vậy lớp 2 có thể được xem như mạng 1 lớp với S1 đầu vào, S2 nơ ron và S2 x S1 trọng liên kết của ma trận W2 Đầu vào của lớp 2 là véc tơ a1, đầu ra là véc tơ a2 Các lớp của mạng nhiều lớp đóng... vậy luận văn này chọn mạng nơ ron truyền thẳng nhiều lớp cho việc cộng dồn tất cả các tích giữa giá trị nút ẩn với trọng số của cung liên kết giữa nút ẩn nhận dạng vị trí Rô bốt hai khâu đó với các nút nhập Kế tiếp, một hàm truyền được áp dụng trên tổng trọng hoá này 3.1 Mạng nơ ron truyền thẳng nhiều lớp cùng với một ngưỡng của nút ẩn đó để cho ra giá trị thực của nút ẩn Hàm truyền chỉ đơn giản nén... của mạng nơ ron, tín hiệu này so sánh với tín hiệu đặt ở đầu vào, sai lệch e được sử dụng làm tín hiệu luyện mạng nơ ron, đầu ra của mạng là đầu vào của hệ thống Mạng nơron nhận dạng và điều khiển hệ thống truyền động Thông thường người ta hay sử dụng Đối tƣợng - KHIỂN Nhiều mạng nơ ron đã và đang được ứng dụng rất thành công trong lĩnh vực r u 2.3.CÁC PHƢƠNG PHÁP ỨNG DỤNG MẠNG NƠRON TRONG ĐIỀU + mạng. .. toán nhận dạng với 2p bộ q 2 (k ) Trễ Phụ tải m3  q1 (k)  q 2 (k ) +  f 2d ( k ) q 2 (k  2)  q1 ( k ) Luật học lan truyền ngược theo sai lệch + + - - Trễ e1 (k) e 2 (k ) Hình 3.6 Sơ đồ ứng dụng mạng nơron truyền thẳng nhiều lớp nhận dạng rôbôt hai khâu f1d (.), f2d (.) , còn các thành phần đã biết trước trong quan hệ vào-ra là u1d (.), u 2d (.) không cần nhận dạng chúng để mô hình nhận dạng không

Ngày đăng: 11/08/2016, 11:59

Từ khóa liên quan

Tài liệu cùng người dùng

  • Đang cập nhật ...

Tài liệu liên quan