Использование алгоритмов с обучением для решения задач радиоволновой интроскопии

• Автор: Хилькевич, Виктор Владимирович
• Шифр специальности: 05.12.04
• Научная степень: Кандидатская
• Год защиты: 2001
• Место защиты: Москва
• Количество страниц: 117 с.

Основные обозначения, принятые в работе
Общая характеристика работы
ВВЕДЕНИЕ
Глава 1. ПОСТАНОВКА ЗАДАЧИ ИДЕНТИФИКАЦИИ ПРИ РАДИОЧАСТОТНОЙ ИНТРОСКОПИИ
1.1. Общая постановка задачи
1.2. Способы измерения информационного параметра
1.3. Радиоволновые методы
1.4. Выводы
Глава 2. МЕТОДЫ РЕШЕНИЯ ОБРАТНЫХ ЗАДАЧ ИНТРОСКОПИИ
2.1. Общие положения
2.2. Метод параметрической идентификации
2.3. Мегод Фурье-интроскопии
2.4. Другие методы
2.5. Выводы
Глава 3. АЛГОРИТМЫ С ОБУЧЕНИЕМ ДЛЯ РЕШЕНИЯ ОБРАТНЫХ ЭЛЕКТРОДИНАМИЧЕСКИХ ЗАДАЧ
3.1. Общие положения
3.2. Задача обучения нейронной сети
3.3. Нейронные алгоритмы на основе теории нечеткой логики..
3.4. Алгоритм ПЕЕРШЭХ
3.5. Выбор нейронного алгоритма
3.5.1. Сравнение погрешностей предсказания
3.5.2. Устойчивость к воздействию шумов
3.5.3. Сравнение быстродействия
3.6. Выводы
Глава 4. МОДЕЛЬНОЕ ИССЛЕДОВАНИЕ СТРОЕНИЯ НЕОДНОРОДНЫХ ДИЭЛЕКТРИЧЕСКИХ ОБРАЗЦОВ
4.1. Восстановление параметров многослойного диэлектрического
объекта

4.1.1. Способ расчета коэффициента отражения
4.1.2. Метод параметрической идентификации
4.1.3. Метод Фурье-интроскопии
4.1.4. Применение алгоритма КЕБРЯОХ
4.2. Применение нейронной сети для измерения параметров однородных диэлектрических объектов резонаторным методом
4.3. Определение параметров неоднородных диэлектрических объектов резонаторным методом
4.4. Применение нейронного метода для измерения параметров неоднородных диэлектрических объектов с «гладким» профилем диэлектрической проницаемости
4.5. Выводы
Глава 5. СОПОСТАВЛЕНИЕ ВАРИАНТОВ РЕШЕНИЯ ОБРАТНЫХ ЭЛЕКТРОДИНАМИЧЕСКИХ ЗАДАЧ
5.1. Оценка времени, затрачиваемого рассматриваемыми методами на получение результата
5.2. Исследование воздействия шумов на результаты восстановления параметров диэлектрических объектов
5.3. Выводы
ЗАКЛЮЧЕНИЕ
ЛИТЕРАТУРА
Приложение 1. Поиск экстремума функции ошибки при обучении
нейронной сети
Приложение 2. Описание алгоритма А№Т
Приложение 3. Акты об использовании результатов диссертационной работы

Основные обозначения, принятые в работе
Основные обозначения, принятые в работе
у - мнимая единица г - радиус-вектор
е= £'+/•£" - комплексная диэлектрическая проницаемость Е - вектор электрического ПОЛЯ Р - информационный параметр / - время
/- частота колебаний со - угловая частота Е целевая функция
й(со)=й(со)-ехр(/ф(со)) - частотная зависимость коэффициента отражения
Й,.у - коэффициент отражения от границы сред / и у
Ту - коэффициент прохождения через границу сред / и у
7?(со) - модуль коэффициента отражения
ф(со) - фаза коэффициента отражения
Е— функция активации нейрона
£, - пороговый уровень нейрона
, Х(1,) - функции принадлежностиу-й переменной к /-му множеству
а - среднеквадратичное отклонение
5 - отношение сигнал-шум
у - постоянная распространения
с - скорость света в свободном пространстве
2 волновое сопротивление
к - толщина слоя
х - погрешность измерения информационного параметра X- погрешность восстановления С - электрическая емкость Ь - индуктивность Я - активное сопротивление {2 - добротность

Глава 3. АЛГОРИТМЫ С ОБУЧЕНИЕМ ДЛЯ РЕШЕНИЯ ОБРА ТНЫХ ЭЛЕКТРОДИНАМИЧЕСКИХ ЗАДА Ч
где п - размерность входного сигнала, т - размерность выходного сигнала, N - число элементов обучающей выборки.
Зная количество связей можно рассчитать необходимое число нейронов в скрытых слоях:
п + т
Построение нейронной сети, решающей определенную задачу, согласно [43], должно осуществляться в соответствии со следующим алгоритмом:
1. Определить объект, выступающий в роли входного сигнала нейросети.
2. Определить объект, выступающий в роли выходного сигнала нейросети.
3. Определить желаемый (требуемый) выходной сигнал нейросети.
4. Определить структуру нейросети, то есть выбрать:
a. число слоев;
b. связи между слоями;
c. объекты, являющиеся весовыми коэффициентами.
5. Определить функцию ошибки системы, то есть функцию, характеризующую отклонение желаемого выходного сигнала нейросети от реального выходного сигнала.
6. Определить критерий качества системы и функционал ее оптимизации, зависящий от ошибки.
7. Определить значения весовых коэффициентов. В зависимости от задачи это можно сделать различными способами:
a. аналитически, непосредственно из постановки задачи;
b. с помощью некоторых численных методов;