Прогнозирование электропотребления предприятий на основе искусственных нейронных сетей

• Автор: Дулесов, Валерий Александрович
• Шифр специальности: 05.09.03
• Научная степень: Кандидатская
• Год защиты: 2002
• Место защиты: Красноярск
• Количество страниц: 159 с. : ил

Преобразующая функция, как правило, должна удовлетворять двум условиям: — монотонная (обычно неубывающая) функция. Наиболее

часто используются следующие преобразующие функции:

1) сигмоидная (логистическая) функция

1 , (1.9)

1 + ехр(-аГ)

где а—параметр (а>0). График сигмоидной функции качественно близок к воображению передаточной характеристики биологического нейрона;

2) гиперболический тангенс

Г(Г)=Л(6У), (1.10)

Свойства симметрии гиперболического тангенса относительно точки 7=0, а также тот факт, что ^0)=0, оказываются весьма важными для ряда сетей;

3) авторами [22, 26, 65, 70] используется функция

/г(7)=—, где С > 0. (1.11)

С + |7|
Таким образом, каждый нейрон характеризуется вектором весовых множителей и параметрами преобразующей функции. Нейрон способен получать сигналы и в зависимости от их интенсивности и собственных характеристик выдавать выходной сигнал. При этом если выходной сигнал нейрона близок к единице, то говорят, что нейрон возбужден.
1.5.2. Топология нейронных сетей
К настоящему времени предложено большое количество способов объединения нейронов в нейросеть. Рассмотрим наиболее важные из них для цели возможного практического использования. Несколько забегая вперед, отметим, что для функционирования сети адекватно решаемой задаче, нужно правильно выбрать значения весов связей между нейронами или, как принято говорить, обучить сеть.