Нейронные сети и оценка возможности их применения к распознаванию подвижных объектов. Обучение нейронной сети распознаванию вращающегося трехмерного объекта. Задача управления огнем самолета по самолету. Оценка экономической эффективности программы.
При низкой оригинальности работы "Управление снарядами класса воздух-поверхность с помощью нейронной сети", Вы можете повысить уникальность этой работы до 80-100%
1. Специальная часть 1.1 Анализ функционирования системы наведения нейронный распознавание самолет программа 1.1.1 Анализ объекта управления Управляемый снаряд можно определить как устройство, движущееся в пространстве без экипажа и обладающее средствами управления собственной траекторией. Управляемый снаряд есть наиболее современный представитель ряда различных типов оружия, предназначенных для того, чтобы позволить человеку попасть в цель и поразить ее, оставаясь на относительно безопасном расстоянии. Исторически это разделение произошло следующим образом. Когда же речь заходит о межконтинентальных дальностях, снаряд должен быть способен получать из земных или астрономических источников специальную информацию, необходимую для выдерживания направления на цель. В данной дипломной работе создана нейросетевая система управления снарядом класса «воздух-поверхность», поэтому рассмотрим особенности данного класса. 1.1.2 Управление снарядами класса воздух - поверхность Класс воздух - поверхность включает в себя любой управляемый снаряд, стартующий с самолета и атакующий какую угодно цель на поверхности Земли. В этих условиях главное соображение в пользу применения самолетов-носителей в качестве оружия дальнего действия состоит в том, что цель становится наблюдаемой с самолета (рисунок 1.3); это увеличивает точность огня независимо от дальности, покрытой самолетом-носителем. Разработанная нейронная сеть функционирует на этапе сближения с целью, функционирования на этапе старта не рассматривается в данной дипломной работе. В течение времени, когда снаряд еще связан с ускорителем, летные характеристики системы снаряд-ускоритель существенно отличаются от характеристик одного снаряда без ускорителя. Принятые синапсом входные сигналы подводятся к телу нейрона. В векторных обозначениях это может быть компактно записано следующим образом: NET = XW Рисунок 1.4 - Искусственный нейрон Сигнал NET далее, как правило, преобразуется активационной функцией F и дает выходной нейронный сигнал OUT. (1.1) Рисунок 1.5 - Искусственный нейрон с активационной функцией 1.2.2 Анализ нейронных сетей и выбор НС для задачи распознавания подвижного объекта Рассмотрим топология многослойных нейронных сетей и проанализируем их. Архитектура многослойной нейронной сети состоит из множества слоев нейронных элементов (рисунок 1.6). К релаксационным сетям относится нейронная сеть Хопфилда, Хэмминга, двунаправленная ассоциативная память и машина Больцмана. Американский биофизик Хопфилд представил математический анализ релаксационных сетей с обратными связями. Для описания функционирования таких сетей Хопфилд использовал аппарат статистической физики. При этом состояния всех нейронных элементов перестают изменяться, т.е. 1.2.4 Самоорганизующиеся нейронные сети Кохонена Самоорганизующиеся нейронные сети характеризуются обучением без учителя, в результате которого происходит адаптация сети к решаемой задаче.
Вы можете ЗАГРУЗИТЬ и ПОВЫСИТЬ уникальность своей работы
