и.
Поперечні і верхні санчата переміщаються за допомогою гвинтів і гайок. При цьому діаметр і крок гвинтів вибирають з урахуванням забезпечення самоторможения передачі. Супорт складається з каретки, яка переміщається по напрямної станини, поперечного супорта, який рухається по направляючої каретки, поворотною плити і верхнього супорта. На супорті закріплений резцедержатель. У передній частині каретки до її нижньої плити кріпиться фартух. Для обробки конусів верхній супорт має незалежне прямолінійне переміщення і може повертатися разом з поворотною плитою від - 65 до + 90 ° при віджиманні двох фіксуючих гвинтів з гайками.
На нижній частині супорта може бути встановлений додатково задній резцедержатель. Конструкції передніх різцетримачів вельми різноманітні. На малих верстатах найбільшого поширення набули так звані «солдатики» з одним кріпильним гвинтом, а також знімні резцедержатели на один-два різця. На середніх і великих верстатах набув поширення чотиригранний поворотний резцедержатель.
1.1 Постановка завдання
Нейронна мережа являє собою сукупність нейроподібних елементів, певним чином пов'язаних між собою і зовнішнім середовищем за допомогою зв'язків, що визначаються ваговими коефіцієнтами. Мережа складається з нейронів трьох типів.
. Вхідні нейрони, на які подається вектор, що кодує вхідний вплив. У них зазвичай не здійснюється обчислювальні процедури, а інформація передається з входу на вихід шляхом зміни їх активації.
. Вихідні нейрони, вихідні значення яких представляють виходи нейронної мережі.
. Проміжні нейрони, що становлять основу нейронної мережі.
У багатошарових нейронних мережах нейрони об'єднані в шари. Число нейронів у шарі може бути будь-яким і не залежить від кількості нейронів в інших шарах. Крім вхідного і вихідного шарів в багатошаровій нейронної мережі є один або кілька прихованих шарів.
Вибір структури нейронної мережі (завдання її топології) здійснюється відповідно до особливостей і складністю завдання. Якщо завдання не може бути зведена до жодного з відомих типів, доводиться вирішувати складну проблему синтезу нової конфігурації. При цьому необхідно керуватися такими основними правилами:
можливості мережі зростають зі збільшенням числа нейронів мережі, щільності зв'язків між ними і числом шарів;
введення зворотних зв'язків поряд зі збільшенням можливостей мережі піднімає питання про динамічну стійкість мережі;
складність алгоритмів функціонування мережі, введення декількох типів синапсів сприяє посиленню потужності нейронної мережі.
Для оцінки числа нейронів у прихованих шарах можна скористатися формулою для оцінки необхідного числа синоптичних ваг в багатошаровій мережі з Сигмоїдальні передавальними функціями:
де n- розмірність вихідного сигналу, -размерность вихідного сигналу, -число елементів навчальної вибірки.
Логарифм числа по будь-якої підстави визначається з:
Після оцінки необхідного числа ваг розраховується число нейронів у прихованих шарах по одній з наступних формул для двошарової мережі:
;
;
Процес функціонування нейронної мережі, тобто дії, які вона здатна виконувати, залежить від величин синоптичних зв'язків. Тому, задавшись певною структурою мережі необхідно знайти оптимальні значення всіх змінних вагових коефіцієнтів. Цей етап називається навчанням нейронної мережі.
У процесі функціонування нейронна мережа формує вихідний сигнал Y відповідно до вхідним сигналом X, реалізуючи деяку функцію Y=r (X).
Якщо архітектура мережі задана, то вид функції r визначається значеннями синаптичних ваг і зміщень мережі. Позначимо через R множина всіх можливих функцій r, відповідних заданій архітектурі мережі.
Нехай рішення задачі є функція Y=f (X), задана парами вхідних - вихідних значень (Xk, Yk), для яких Yk=f (Xk), k=1 ... N. E - функція помилки, що показує для кожної з функції f ступеня близькості до функції r.
Вирішити поставлене завдання за допомогою нейронної мережі заданої архітектури - це значить синтезувати функцію, підібравши компоненти нейронів (синоптичні веся і зсуву) таким чином, щоб функціонал якості звертався в оптимум для всіх пар (Xk, Yk).
Таким чином, завдання навчання нейронної мережі визначається сукупністю п'яти компонентів lt; X, Y, r, R, E gt ;. Навчання складається в пошуку функції r, оптимальної за E. [3]
Розглянемо задачу, що дозволяє на підставі певних даних спрогнозувати вибір токарного верстата.
Завдання вирішується в наступній послідовності:
Проводиться аналіз завдання. У результаті аналізу виявлені...
