Методика выполнения работы. Решаем прямую задачу в Qnet.

Решаем прямую задачу в Qnet.

С целью обучения нейросети в программе Qnet производится формирование базы исходных данных.

Файл с обучающими данными преобразуем в ASCII формат (текстовый файл, столбцы разделены запятыми, разделитель десятичной части точка).

Столбцы с данными располагаем в следующей последовательности: столбцы входных параметров, управляющих воздействий, выходных величин (табл. 5.1).

Таблица 5.1

Часть обучающих данных

Задаем параметры обучения сети (рис. 5.9).

Рис. 5.9. Окно состояния обучения нейросети

Для исследования обученной нейросети вводим входные параметры и управляющие воздействия, при которых хотим узнать отклик системы.

Обнуляем один столбец входов (табл. 5.2).

Таблица 5.2

Часть исследовательских данных

	Запускаем режим исследования нейросети (Recall mode). В результате получим информационное окно (рис. 5.10). Из него мы можем посмотреть входы (рис. 5.11) и полученные значения выходов (рис. 5.12) сети и другую информацию. Так же выходные значения можно сохранить в виде таблицы или текстового файла.
Рис. 5.10. Информационное окно

Рис. 5.11. Значение 1-го входного параметра

Рис. 5.12. Значение выходной величины

Решаем обратную задачу в Qnet.

Столбцы с данными располагаем в последовательности, зависящей от того, что необходимо найти.

Например, если наша задача будет заключаться в нахождении управляющих воздействий для получения требуемых выходных величин, то статистические данные (табл. 5.1) для обучения должны располагаться в файле в следующем порядке (слева на право): столбцы входных параметров, выходных величин, управляющих воздействий.

Вводим входные параметры и выходные величины, при которых хотим узнать отклик системы (рис. 5.13).

Обнуляем столбцы управляющих воздействий (табл. 5.3).

Запускаем режим исследования нейросети (Recall mode). В результате появится окно «Исследование обученной сети» (рис. 5.14), с помощью которого мы анализируем отклик обученной сети на интересующий нас набор данных.

Рис. 5.13. Окно анализа обучения нейросети

Таблица 5.1

Часть исследовательских данных

Меню NetGraph позволяет строить графики входные узлы / последовательность образцов (рис. 5.15) (в обратной задаче выходная величина ОУ является входом сети (рис. 5.16), в нашем случае девятым узлом входного слоя), и цель-отклик/последовательность образцов (рис. 5.17, 5.18), т.е. искомые управляющие воздействия и другие графики. Так же выходные значения можно сохранить в виде таблицы (рис. 5.19) или текстового файла (рис. 5.20).

Рис. 5.14. Окно исследования обученной сети

Рис. 5.15. Значение 1-го входного параметра

Рис. 5.16. Значения требуемой выходной величины, в обратной задаче являющейся входной

Рис. 5.17. Значения 1-го управляющего воздействия

Рис. 5.18. Значения 2-го управляющего воздействия