Neuronale Netze Für Ingenieure: Arbeits- Und Übungsbuch Für Regelungstechnische Anwendungen

ISBN-13: 9783528055783 / Niemiecki / Miękka / 1998 / 184 str.

Patricia Ladewig-Riedler; Stefan Thoer; Serge Zakharian

Opis

Immer mehr Probleme der Industrie, Wirtschaft und des tag lichen Lebens konnen mit Hilfe von kunstlichen neuronalen Netzen gelost werden. Sie stellen deshalb nicht langer eine Domane der Informatikspezialisten dar. Jedoch gibt es zwischen diesem Gebiet und den Fachern der Ingenieurstudienrichtungen eine Diskrepanz. Unser Bestreben ist es, die neuronalen Netze durch die Be griffe der Regelungstechnik, ein Pflichtfach fur Studenten der Elektrotechnik, Maschinenbau, Verfahrenstechnik, einheitlich und strukturiert zu beschreiben und dabei mit moglichst ge ringen mathematischen Voraussetzungen auszukommen. Das Buch wendet sich an Studenten der praktisch orientier ten Studiengange an Fachhochschulen sowie an die in der Praxis tatigen Ingenieure. Im Vordergrund stehen keine komfortablen Neuro-Tools wie DataEngine oder Neuromodel, aber auch keine detaillierten Analogien zum menschlichen Gehirn. Es werden sowohl Grundlagen als auch die Vielzahl der Netztypen mit ihren spezifischen Eigenschaften behandelt und an Hand der zahl reichen Beispiele anschaulich erklart. Mit den vorliegenden Algorithmen kann man selbst Programme schreiben, expe rimentieren und schrittweise alle Variablen und Netzteile Stuck fur Stuck verfolgen. Diese Kenntnisse sollen spater einen Zugang zu einem komplexen Anwendungsprogramm erleichtern. Das Buch gliedert sich in sechs Abschnitte. Im 1. Abschnitt wird der funktionale Aufbau und die Funktionsweise eines einfachen kunstlichen Neurons beschrieben. Fur einen leichteren Zugang zu den einzelnen Netzen befasst sich der 2. Abschnitt mit der Einteilung von neuronalen Netzen nach technischen Kriterien. Auf einen kurzen historischen Ruck blick konnten wir in diesem Abschnitt nicht verzichten, um Vorwort VI damit eine Ubersicht uber die fast dramatische Entwicklung dieses Gebietes zu vermitteln."

Spis treści

1. Aufbau eines künstlichen Neurons.- 1.1 Grundmodell eines Neurons.- 1.2 Grundbegriffe der KNN.- 1.3 Das Lernen als Gewichtsänderung.- 1.4 Optimierungs- und Suchverfahren.- 1.5 Realisierung eines künstlichen Neurons.- 1.6 Das Lernen als Mitkopplung.- 2. Einteilung von künstlichen Neuronalen Netzen.- 2.1 Netzfunktionen und Anwendungen.- 2.2 Statische Kennlinien von Neuronen.- 2.3 Lernmechanismen.- 2.3.1 Einteilung.- 2.3.2 Fehlerkorrektur.- 2.3.3 Rückgekoppeltes Lernen.- 2.3.4 Wahrscheinlichkeitslernen.- 2.3.5 Konkurrenzlernen.- 2.3.6 Hebb’sche Lernregel.- 2.3.7 Nichtiteratives Lernen.- 2.4 Historischer Rückblick.- 2.5 Vor- und Nachteile von KNN.- 3. Grundtypen von künstlichen Neuronalen Netzen.- 3.1 Übersicht.- 3.2 Einzelschicht Perzeptron.- 3.3 Mehrschicht Perzeptron.- 3.4 Adaline / Madaline — Netze.- 3.5 Cognitron und Neocognitron.- 3.6 Comparator-Netz.- 3.7 Backpropagation.- 3.8 Counterpropagation.- 3.9 Querpropagation.- 3.10 Hopfield-Netz.- 3.11 Hamming-Netz.- 3.12 Kohonen-Netz.- 3.13 Carpenter / Grossberg-Netz.- 3.14 Cooper’s RCE-Netz.- 3.15 Kosko’s BAM.- 3.16 IAC-Netz.- 4. Regelungstechnische Anwendungen von KNN.- 4.1 Einführung.- 4.2 Identifikation.- 4.2.1 Einführung.- 4.2.2 Identifikation mit dem Hopfield-Netz.- 4.2.3 Identifikation mit dem RT-Neuron.- 4.2.4 Identifikation mit dem Backpropagation.- 4.3 Stabilitätsuntersuchung.- 4.3.1 Einführung.- 4.3.2 Stabilitätsanalyse mit Backpropagation.- 4.3.3 Beispiel: PD-Regler eines Roboterarmes.- 4.4 Regelung und Steuerung mit KNN.- 4.4.1 Grundtypen.- 4.4.2 Drehwinkelregelung eines Servomotors.- 4.4.3 Stabilisierung eines Pendels.- 4.4.4 Positionsregelung eines Manipulators.- 4.4.5 Steuerung von Fahrzeugbewegungen.- 4.5 Entwurf u. Realisierung eines Reglers mit KNN.- 4.5.1 Übersicht.- 4.5.2 Stabilitätsuntersuchung.- 4.5.3 Reglereinstellung.- 4.5.4 Konfigurierung des N-Reglers.- 4.5.5 Realisierung.- 5. Übungsaufgaben mit Lösunqen.- 5.1 Übungsaufgaben.- 5.2 Lösungen.- 6. Literaturverzeichnis.- Sachwortverzeichnis.

O autorze

Professor Dr.-Ing. Serguei Zakharian lehrt an der Fachhochschule Wiesbaden, Fachbereich Mathematik, Naturwissenschaften und Datenverarbeitung.
Dipl.-Ing. Stefan Thoer studierte an der Fachhochschule Wiesbaden Elektrotechnik mit dem Schwerpunk Meß- und Regelungstechnik.