Железная металлургия
Автоматизация производства
Память программ.
Author: admin
Разберем работу микроконтроллера на примере широко распространенного контроллера МК-51 (КМ 1816 Е51), структурная схема которого изображена на рис. l.ll. Основные узлы МК: АЛУ, резидентная память, блок регистров специальных функций, устройство управления и порты ввода-вывода связаны внутренней двунаправленной 8-битной шиной.8-битное АЛУ может выполнять арифметические операции: сложения, вычитания, умножения и деления; логические операции: И, ИЛИ, исключающее ИЛИ, а также операции циклического сдвига, сброса, инвертирования и т. д. В состав АЛУ входят: регистры, аккумулятор, комбинационная схема обработки байтов, схема десятичной коррекции, схема формирования признаков, а также программно-недоступные регистры. Важной особенностью АЛУ является его способность оперировать не только байтами, но и битами.
read comments (0)Микроконтроллеры.
Author: admin
Другим распространенным типом являются замкнутые системы управления без эталонной модели (рис. 1.10). Целью обучения нейроконтроллера в них является получение закона управления, обеспечивающего заданное (обычно экстремальное) значение некоторого функционала качества, определяемого текущим состоянием системы. 
За последние годы в микроэлектронике бурное развитие получило направление, связанное с выпуском однокристальных микроконтроллеров, которые предназначены для интеллектуализации оборудования различного назначения. Однокристальные микроконтроллеры представляют собой приборы, конструктивно выполненные в виде БИС и включающие в себя все составные части микро-ЭВМ: микропроцессор, память программ и память данных, а также программируемые интерфейсные схемы для связи с внешней средой.
Задачи идентификации.
Author: admin
Задачи идентификации, синтеза систем управления, их анализа и аппаратной реализации решаются общим образом для различных нелинейных динамических объектов благодаря описанным выше свойствам ИНС. Задача идентификации является фундаментальной
Read the rest of this entry »
Типичными задачами, решаемыми с помощью прямого обучения, являются аппроксимация неизвестной функции, описываемой набором данных, и идентификация динамического объекта,. Стимулируемое обучение не использует знания учителя о желаемом выходе ИНС, вместо этого обучение проводится по результату опенки проводимого сетью преобразования вход-выход. Оценку выполняет внешнее окружение (рис. 1.6). При этом настройка параметров ИНС проводится так, чтобы максимизировать скалярный индекс этой оценки, называемый стимулом. Наиболее характерным примером системы стимулируемого обучения является адаптивная система управления. В ней обучаемой частью является контроллер, а объект управления, внешние воздействия и сигналы задания выступают его внешней средой.
Полностью связанные сети.
Author: admin
Типичными задачами, решаемыми с помощью прямого обучения, являются аппроксимация неизвестной функции, описываемой набором данных, и идентификация динамического объекта. Стимулируемое обучение не использует знания учителя о желаемом выходе ИНС, вместо этого обучение проводится по результату оценки проводимого сетью преобразования вход-выход. Оценку выполняет внешнее окружение (рис. 1.6). При этом настройка параметров ИНС проводится так, чтобы максимизировать скалярный индекс этой оценки, называемый стимулом. Наиболее характерным примером системы стимулируемого обучения является адаптивная система управления. В ней обучаемой частью является контроллер, а объект управления, внешние воздействия и сигналы задания выступают его внешней средой. В результате воздействия этой среды контроллер вырабатывает определенный управляющий сигнал, который переводит объект управления в новое состояние.
Многослойные прямонаправленные сети.
Author: admin
Они характеризуют наличием одного или нескольких скрытых слоев, осуществляющих преобразование информации. Нейроны скрытого слоя называют скрытыми нейронами. Использование скрытых слоев позволяет ИНС осуществлять нелинейные преобразования вход-выход любой сложности. Эти уникальные свойства многослойных сетей особенно проявляются при высокой размерности пространства входных сигналов. 
На рис. 1.4. представлена схема трехслойной прямонаправленной ИНС с одним скрытым слоем. Для описания такой сети используется запись NN4-5-2. Здесь 4 размер входного слоя сети, 5 скрытого и 2 выходного. Нейроны выходного слоя в таких сетях просто ретранслируют входные сигналы на первый скрытый слой, не преобразуя их. В скрытых нейронах последовательно, слой за слоем, происходит нелинейное преобразование сигналов. Сигналы с последнего скрытого слоя поступают на нейроны выходного слоя, которые формируют реакцию сети.
Однослойные прямонаправленные сети.
Author: admin
Искусственный нейрон (или просто нейрон) является элементарным функциональным модулем, из множества которых строится ИНС. Он представляет модель живого нейрона, однако лишь в смысле осуществляемых им преобразований, а не способа функционирования. Существуют логические, непрерывные и импульсные модели нейрона. Наибольшее распространение получила непрерывная модель, работающая следующим образом. Входные сигналы поступают на блоки, реализующие функцию синапсов. Каждый из них характеризуется своим весовым коэффициентом (синоптическим весом). Положительные значения весов соответствует возбудительным синапсам, отрицательные тормозным. Взвешенные входные сигналы подаются на линейный сумматор, после чего результат их сложения поступает на блок активационной функции. Обычно активационная функция ограничивает выходной сигнал нейрона в диапазоне [О, I] или [-1, I].
Искусственные нейронные сети.
Author: admin
После описанных процедур, выполняемых при помощи экспертов, вступает в действие механизм нечеткого логического вывода, в основе которого лежит операция композиции нечеткого множества, представляющего входную ситуацию со сформированным нечетким соответствием. Композицию можно представить как аналог умножения вектор-строки на матрицу, только вместо операции умножения используется расширенное представление логической операции И, а вместо операции сложения расширенное ИЛИ. В результате определяется нечеткое множество управляющих воздействий. Последним этапом алгоритма нечеткого управления является дефаззификация процесс перевода нечетких данных в конкретные физические управляющие величины.
Математический аппарат.
Author: admin
Неточность, неопределенность или неполнота, заключенные в смысловых значениях при выводах, присуща естественным языкам с их сложной структурой и многообразием понятий. Различают несколько типов неопределенности. Первый связан с ненадежностью исходной информации
Read the rest of this entry »