Luận văn Điều khiển mobile robot ứng dụng các mạng neuron nhân tạo

Điều Khiển Hành Vi Sử Dụng Giải Thuật Học Truyền Lùi BP 0<h<1 ; Emax ; E=0 ;k =0 random(wij, bias)Ỵ[-0.1,0.1];u(k),d(k) 0y0 (k) = ul(k); 0y1 (k) = ul(k-1) 0y2 (k) = ur(k); 0y3(k) = ur(k-1) 0y4 (k) = yl(k); 0y5 (k) = yl(k) netout=1 netout=0 Y N j=j+1 j < 2 N Y Start k < p E < Emax E=0 ; k=1 N Y k = k+1 Y N End ul(k-1)=ul(k); ur(k-1)=ur(k) yl(k)=yl(k+1); yr(k)=yr(k+1) · · · ul(k) ul(k-1) ur(k) ur(k-1) yl(k) yr(k) yl(k+1) yr(k+1) 1w00 1w95 2w00 1w19 Mạng Điều Khiển Hành Vi Của Robot Điều Khiển Tốc Độ Sử Dụng Giải Thuật Học Truyền Lùi BP y(k+1) 1w54 y(k) y(k-1) u(k) u(k-1) 2w00 2w01 2w02 2w03 2w04 2w05 1w00 Mạng Điều Khiển Tốc Độ Của Robot 0<h<1 ; Emax ; E=0 ;k =0 random(wij, bias)Ỵ[-0.1,0.1];u(k),d(k) 0y0 (k) = y(k); 0y1 (k) = y(k-1) 0y2 (k) = u(k); 0y3(k) = u(k-1) ; Start N Y Y N k < p E < Emax E=0 ; k=1 k = k+1 End y(k-1)=y(k); y(k)=y(k+1) uk(k-1)=u(k) Giải Thuật Học Truyền Lùi BP 0<h<1 ; Emax ; E=0 ;k =0 random(wij, bias)Ỵ[-0.1,0.1];u(k),d(k) qyi = 1yi = xi(k) N q > Q ; Y N q = 1 Y q = q+1 q = q-1 Start k < p E < Emax E=0 ; k=1 N Y k = k+1 Y N End xi(k-1)=xi(k) Giới Thiệu Tổng Quát Về Mạng Neuron Mạng nuôi tiến X (t) Ỵ Rn · · · · · · · · · x1(t) x2(t) xn(t) y1(t) y2(t) yn(t) Y (t) Ỵ Rm Mạng nuôi lùi x1 x2 . . xm y1 y2 . . yn Học không giám sát (unsupervised learning ) Học củng cố (reinforcement learning) Học giám sát (supervised learning) Các chế độ học của mạng Luật học tổng quát của mạng Một số luật học thông dụng · Luật học perceptron : · Luật học LMS : · Luật học Delta Quá Trình Học Của Mạng Nuôi Tiến Nhiều Lớp * Truyền từ lớp neuron đầu vào đến lớp neuron ẩn · · · · · · · · · x1(t) x2(t) xn(t) y1(t) y2(t) yn(t) * Truyền từ lớp neuron ẩn đến lớp neuron đầu ra yn(t) y1(t) y2(t) · · · · · · · · · x1(t) x2(t) xn(t) Input layer Hidden layer Output layer yn(t) · · · · · · x1(t) x2(t) xn(t) y1(t) y2(t) * Truyền lùi để cập nhật trọng số của mạng yn(t) · · · · · · x1(t) x2(t) xn(t) y1(t) y2(t)