Trên cơ sở thành công trong việc nhận dạng đối tượng (3.2) ở trên, tôi sẽ nhận dạng cánh tay máy. Tín hiệu vào ra mẫu sẽ được thu thập từ một cánh tay máy thực. Tín hiệu vào là điện áp điều khiển động cơ và tín hiệu ra mẫu (target) là vị trí góc của cánh tay máy (rad). Quá trình huấn luyện mạng đều được thực hiện như các bước ở trên (nhận dạng đối tượng 3.2), nhưng cấu trúc mạng thì khác.
3.4.1 Huấn luyện mạng hở
Mạng nơ ron (mạng hở) có cấu trúc gồm 2 lớp, lớp 1 gồm 2 ma trận trọng số IW1,1, LW1,1, b1, số nơ ron s1 = 6. Lớp 2 có s2
= 1 gồm 1 ma trận trọng số LW2,1, bias b2. Mạng có cấu trúc như hình 3.10.
Sau khi huấn luyện mạng nơ ron ta thu được kết quả như hình 3.11 và 3.12.
Trong đó:
- Network output: Đầu ra của mạng hở
- Error: Sai số giữa đầu ra của mạng hở với vị trí góc thực của cánh tay máy
Sau khi huấn luyện mạng, từ kết quả thu được như hình 3.11 ta thấy sai số giữa tín hiệu thật từ mô hình và tín hiệu đầu ra của mạng là khá nhỏ. Tín hiệu đầu ra của mạng và tín hiệu thật từ mô hình gần như trùng nhau hoàn toàn.
Hình 3.10: Cấu trúc mạng nơ ron (mạng hở)
0 200 400 600 800 1000 1200 1400 1600 1800 2000 -1 -0.5 0 0.5 1 Network Output Target 0 200 400 600 800 1000 1200 1400 1600 1800 2000 -0.2 -0.1 0 0.1 0.2 Error
Hình 3.11: Target – đầu ra mẫu, Network Output – đầu ra của mạng và Error – sai số.
0 2000 4000 6000 8000 10000 120000 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 MSE Hình 3.12 MSE
Ở phần tiếp theo, chúng ta sẽ sử dụng các trọng số và bias của mạng hở làm các giá trị ban đầu cho các trọng số và bias của mạng kín trong quá trình huấn luyện mạng kín.