Analog neural network model for parallel and serial topology that are predict a coordinates points trajectory of the object thrown at an angle to the horizontal was implemented and studied by using simulation in NI Multisim environment. It is shown that:
- neural networks and their analog models can be successfully used to predict the development process in time;
- universality neural network in predicting the development of a process over time is that the network is stable topology, with one the same learning algorithm can predict the various stages of the process development;
- for improve the accuracy of prediction for each stage of the process need to re-train the neural network to specify the values of weighting coefficients;
- when choosing artificial neural network(ANN) topology a preference should be given to parallel as a consistent topology is more complex than implementing a parallel, although the last has a larger number of components and less accurate prediction.
За допомогою середовища моделювання NI Multisim реалізовано і досліджено аналогові моделі нейронних мереж паралельної та послідовної топології, що прогнозують координати точок траєкторії руху об"єкта, кинутого під кутом до горизонту. Показано, що:
- нейронні мережі та &їхні аналогові моделі можуть бути успішно використані для прогнозування розвитку процесів у часі;
- універсальність нейронної мережі в прогнозуванні розвитку якогось процесу у часі полягає в тому, що мережа сталої топології з одним і тим самим алгор&итмом навчання може прогнозувати різні етапи розвитку процесу;
- для підвищення точності прогнозу для кожного етапу розвитку процесу необхідно знову навчати нейронну мережу для уточнення значень вагових коефіцієнтів;
- при виборі топології ШНМ пере&вагу слід надати паралельній, оскільки послідовна топологія є більш складною в реалізації ніж паралельна, хоча остання має більшу кількість компонентів і меншу точність прогнозування.
С помощью среды моделирования NI Multisim реализовано и исследова&но аналоговые модели нейронных сетей параллельной и последовательной топологии, которые прогнозируют координаты точек траектории движения объекта, брошенного под углом к горизонту. Показано, что:
- нейронные сети и их аналоговые модели могут быть ус&пешно использованы для прогнозирования развития процессов во времени;
- универсальность нейронной сети в прогнозировании развития какого-то процесса во времени заключается в том, что сеть постоянной топологии с одним и тем самым алгоритмом обучения &может прогнозировать различные этапы развития процесса;
- для повышения точности прогноза для каждого этапа развития процесса нужно снова учить нейронную сеть для уточнения значений весовых коэффициентов;
- при выборе топологии ИНС предпочтение сле&дует отдать параллельной, так как последовательная топология является более сложной в реализации, чем параллельная, хотя последняя имеет большее количество компонентов и меньшую точность прогнозирования.
