Для данной курсовой работы необходимо было реализовать три нейронные сети:
-
Многослойный персептрон с тремя нейронными элементами в распределительном и тремя нейронными элементами в выходном слое.Число нейронов в скрытом слое j определяется экспериментально с целью достижения наилучших результатов аппроксимации и прогнозирования. На вход сети подаются значения X(t), Y(t) и Z(t), а выходными значениями сети будут значения X, Y и Z в следующий момент времени – X(t+Δt), Y(t+Δt) и Z(t+Δt).
-
Многослойный персептрон с шестью нейронными элементами в распределительном и тремя нейронными элементами в выходном слое. Здесь количество нейронных элементов в скрытом слое j также изначально неизвестно, оптимальное их количество определяется экспериментальным путем. На вход сети помимо значений X(t), Y(t) и Z(t) будем подавать значения X(t-Δt), Y(t-Δt) и Z(t-Δt). Такая форма обучения называется обучением с запаздыванием. На выходе сети будем получать значения X, Y и Z в момент времени t+Δt: X(t+Δt), Y(t+Δt) и Z(t+Δt).
-
Многослойный персептрон с n нейронными элементами в распределительном, р нейронами в скрытом и одним нейронным элементом в выходном слое.
В курсовом проекте необходимо использовать три таких нейронных сети: для ряда X(t), для ряда Y(t) и для ряда Z(t).