Figure 5. Example of an Elman netwo

Figure 5. Example of an Elman network
The Artificial Neural Network simulator used in our experiments was the Stuttgart Neural Network Simulator - SNNS2, it is a free software, and a quite complete neural network simulator that have several additional tools that allow us to create scripts and execute learning and simulation tasks in batch mode. The SNNS facilities also simplify the analysis of the obtained results and creation of graphic plots.
The Table 4 shows the main ANN parameters used in our simulations. For a complete description of these pa- rameters, see the SNNS manual. The input layer is fully connected to the hidden layer, and the hidden layer is fully connected to the output layer. In addition, the hidden layer is fully, recurrently connected (Elman architecture). At each time step of the simulation of a robot’s behavior, the eight sensor signals are scaled to floating point values in [−1.0; 1.0] interval, and supplied to the input layer. The values are propagated to the hidden and output neurons. The hidden neurons use the hyperbolic tangent activation function.

ผลลัพธ์ (ไทย) 2:

รูปที่ 5 ตัวอย่างของเครือข่ายเอลแมน
จำลองเครือข่ายประสาทเทียมใช้ในการทดลองของเราคือสตุตกาเครือข่ายประสาทจำลอง - SNNS2 มันเป็นซอฟต์แวร์ฟรีและจำลองเครือข่ายที่สมบูรณ์ค่อนข้างประสาทที่มีเครื่องมือเพิ่มเติมหลายอย่างที่ช่วยให้เราสามารถสร้างสคริปต์ และดำเนินการงานการเรียนรู้และการจำลองในโหมดแบทช์ สิ่งอำนวยความสะดวก SNNS ยังลดความซับซ้อนของการวิเคราะห์ผลที่ได้รับและการสร้างแปลงกราฟิก.
ตารางที่ 4 แสดงค่าพารามิเตอร์ ANN หลักที่ใช้ในการจำลองของเรา สำหรับคำอธิบายที่สมบูรณ์ของต้องอาศัยค่าพารามิเตอร์เหล่านี้ให้ดูคู่มือ SNNS ชั้นการป้อนข้อมูลมีการเชื่อมต่ออย่างเต็มที่ที่จะซ่อนอยู่ชั้นและชั้นที่ซ่อนอยู่มีการเชื่อมต่ออย่างเต็มที่เพื่อให้ชั้นเอาท์พุท นอกจากนี้ชั้นที่ซ่อนเป็นอย่างที่เชื่อมต่อเกิดขึ้นอีก (สถาปัตยกรรม Elman) ในแต่ละขั้นตอนเวลาของการจำลองพฤติกรรมของหุ่นยนต์แปดสัญญาณเซ็นเซอร์จะถูกปรับให้ลอยค่าจุดใน [-1.0; 1.0] ช่วงเวลาและจัดจำหน่ายไปยังชั้นการป้อนข้อมูล ค่าที่มีการแพร่กระจายไปยังเซลล์ประสาทที่ซ่อนอยู่และเอาท์พุท เซลล์ประสาทที่ซ่อนใช้ฟังก์ชั่นการเปิดใช้งานสัมผัสการผ่อนชำระ

ผลลัพธ์ (ไทย) 3:

รูปที่ 5 ตัวอย่างของเครือข่าย เ แมน
จำลองโครงข่ายประสาทเทียมที่ใช้ในการทดลองของเราคือ Stuttgart เครือข่ายประสาทจำลอง - snns2 เป็นซอฟต์แวร์ฟรีและจำลองเครือข่ายประสาทค่อนข้างสมบูรณ์มีเครื่องมือเพิ่มเติมต่าง ๆ ที่ช่วยให้เราสามารถสร้างสคริปต์และประมวลผลการเรียนและงานจำลองในโหมดแบทช์การ snns เครื่องยังลดความซับซ้อนของการวิเคราะห์ผลการทดลองและการสร้างกราฟิกแปลง
ตารางที่ 4 แสดงหลัก แอน ตัวแปรที่ใช้ในแบบของเรา สำหรับรายละเอียดที่สมบูรณ์ของเหล่านี้ PA - rameters เห็น snns คู่มือ ใส่ชั้นเป็นอย่างที่เชื่อมต่อกับชั้นซ่อนและซ่อนเลเยอร์เต็มเชื่อมต่อการแสดงผลชั้น นอกจากนี้ ชั้นซ่อนอยู่เต็มrecurrently เชื่อมต่อ ( สถาปัตยกรรม เ แมน ) ในแต่ละขั้นตอนของการจำลองพฤติกรรมของหุ่นยนต์ แปดเซนเซอร์สัญญาณจะถูกปรับค่าจุดลอยตัวใน [ − 1.0 ; 1.0 ] ช่วงเวลาและจัดเข้าชั้น ค่าจะแพร่กระจายไปยังที่ซ่อนอยู่และผลผลิตเซลล์ประสาท ที่ซ่อนใช้ไฮเพอร์โบลิกแทนเจนต์กระตุ้นเซลล์ประสาทหน้าที่