Содержание к диссертации
Введение
ГЛАВА 1. Анализ объекта исследования и постановка задачи 18
1.1. Исследование и анализ технологического процесса производства помадных конфет (ПК) как объекта автоматизации 18
1.2. Классификация основных операций процесса производства ПК и выбор факторов, определяющих эффективность этих операций 27
1.3. Функционально - структурная схема влияния факторов исходного сырья, промежуточных операций на качество готовых помадных конфет в процессе производства 29
1.4. Анализ информативности параметов качества показателей сырья, полуфабрикатов, готовых кондитерских изделий в процессе производства глазированных помадных конфет Выбор из них контролируемых и регулируемых 35
1.5. Обзор и анализ существующих современных инструментальных методов и средств контроля основных показателей качества сырья, полуфабрикатов и готовых кондитерских изделий
1.5.1. Величина кристаллов сахара в конфетных массах 37
1.5.2. Цвет конфетных масс
1.6. Роль интеллектуальных технологий 43
1.6.1.Обзор и анализ научно-технической информации о развитии экспертных систем, нейросетевых технологий и систем компьютерного зрения как важнейших направлений искусственного интеллекта 43
1.6.2. Аналитический обзор основных задач, решаемых экспертными системами, нейросетевыми технологиями и системами компьютерного зрения. Области их применения 46
1.7. Выводы по 1 главе
ГЛАВА 2. Экспериментальные исследования и разработка структурно-параметрических моделей основных этапов ТП производства ПК 59
2.1. Разработка структурно – параметрических моделей основных
стадий ТП производства ПК 59
2.1.1. Разработка структурно – параметрической модели процесса подготовки сырья к производству 59
2.1.2. Разработка структурно – параметрической модели процесса приготовления сахарного сиропа 63
2.1.3. Разработка структурно – параметрической модели процесса приготовления помадного сиропа 66
2.1.4. Разработка структурно – параметрической модели процесса сбивания помадных масс 69
2.1.5. Разработка структурно – параметрической модели процесса приготовления помадной конфетной массы 73
2.1.6. Разработка структурно – параметрической модели процесса формования корпусов конфет 75
2.2. Выводы по 3 главе 77
ГЛАВА 3. Анализ существующих на кондитерских предприятиях автоматизированных систем управления и разработка асутп поточной линии производства глазированных ПК 79
3.1. Исследование и анализ существующих на кондитерских предприятиях систем управления ТП производства ПК 79
3.2. Анализ структуры и общее описание работы автоматизированной информационно-управляющей системы (АИУС ) 83
3.3. Параметры , характеризующие ход ТП производства ПК, измеряемые автоматически 3.4. Исследование и разработка схем автоматизации основных ТП
производства ПК 88
3.4.1. Разработка схемы автоматизации подготовки сырья к производству 88
3.4.2. Разработка схемы автоматизации приготовления сахарного сиропа 89
3.4.3. Разработка схемы автоматизации приготовления помадного сиропа 90
3.4.4. Разработка схемы автоматизации сбивания помадных масс 91
3.4.5. Разработка схемы автоматизации приготовления конфетной массы 92
3.4.6. Разработка схемы автоматизации формования корпусов конфет 94
3.4.7. Разработка схемы автоматизации глазирования корпусов конфет 95
3.4.8. Разработка схемы автоматизации завертки и упаковки ПК 3.5. Исследование и модернизация схемы автоматизации поточной линии производства отливных глазированных ПК 98
3.6. Выводы по 4 главе 100
ГЛАВА 4. Методика разработки автоматизированных экспертных систем и выбора экспертов 102
4.1. Методические основы построения экспертных систем. Отличительные особенности 102
4.2. Методика выбора количественного и качественного состава экспертов. Принцип формирования рабочей группы экспертов для проведение тестового опроса 108
4.3. Методы получения информации от экспертов 119
4.4. Сравнительный анализ различных методов сбора и способов обработки данных, полученных от экспертов 120
4.5. Выбор и использование существующих методов и инструментальных средств создания системы знаний при построении ЭС контроля качества ПК 124
4.6. Выводы по 4 главе 131
ГЛАВА 5. Разработка технических решений для реализации аэск органолептических показателей качества пк в процессе производства
5.1. Основные задачи, структура и этапы разработки АЭСК показателей качества ПК в процессе производства 132
5.2. Технология разработки и взаимосвязь участников построения и эксплуатации АЭСКК ПК 135
5.3. Построение нейросетевой АЭСКК ПК 136
5.4. Разработка баз данных (БД) АЭСК показателей качества ПК 141
5.5. Формирование баз знаний (БЗ) АЭСК показателей качества ПК 151
5.6. Разработка модуля автоматического контроля величины кристаллов сахара в конфетных массах с использованием нейросетевых технологий 155
5.7. Разработка модуля авоматического контроля цвета конфетных масс в процессе производства с использованием СКЗ 169
5.8. Архитектура АЭСК показателей качества ПК. Подбор технических средств для реализации АЭС 183
5.9. Интеграция АЭСКК ПК с АСУТП предприятия 188
5.10. Выводы по 5 главе 192
Заключение и основные результаты работы 195
Список используемых сокращений 197
Публикации по теме работы 198
Список литературы
- Классификация основных операций процесса производства ПК и выбор факторов, определяющих эффективность этих операций
- Разработка структурно – параметрической модели процесса подготовки сырья к производству
- Анализ структуры и общее описание работы автоматизированной информационно-управляющей системы (АИУС )
- Методы получения информации от экспертов
Классификация основных операций процесса производства ПК и выбор факторов, определяющих эффективность этих операций
Помадные конфеты — сахарные кондитерские изделия, которые состоят из мелких (10...20 мкм) кристаллов сахара. Такую структуру изделий получают из помадной массы — полуфабриката, образованного в результате определенной технологической обработки сахара, при которой сахар из крупнокристаллического состояния переходит в мелкокристаллическое, отчего помадная масса легко растворяется и «тает». В отличие от сахара в помадной массе содержится от 9 до 12 % воды [96, 154]. Кроме того, в ней находятся мельчайшие пузырьки воздуха, придающие ей некоторую пышность и белую окраску [186].
Основным сырьем для производства помадных конфет является сахарный песок. В качестве антикристаллизатора применяется крахмальная патока. При изготовлении помадных конфет к сахарной помадной массе добавляются фрук-тово-ягодные припасы, подварки, обжаренные тертые орехи или какао- порошок и т.д. Такое многообразие применяемого сырья позволяет выпускать разнообразные виды помадных конфет [96, 154].
На рисунке 1.1. представлена наиболее распространенная на кондитерских предприятиях линия производства глазированных помадных конфет [135, 161]. В состав линии входит следующее оборудование: агрегат ускоренной выстой-ки, варочный аппарат с мешалкой, весы, виброраспределитель, глазировочная машина, дозаторы, заверточная машина, змеевиковый варочный аппарат непрерывного действия, конвейеры, насосы, отливочная машина, охлаждающая камера, пароотделитель, помадосбивательная машина, раскладочное устройство, расходные емкости, сборник-фильтр, сироповарочная установка, смеситель непрерывного действия, темперирующая машина, глазировочная машина и упаковочная машина.
Технологический процесс производства глазированных помадных конфет можно разделить на следующие основные стадии [186]: Подготовка сырья к производству: хранение сахара, патоки, молока и заготовок; просеивание сыпучих продуктов и фильтрование жидких компонентов. Приготовление сахарного сиропа: дозирование сахара-песка и воды, растворение сахара, уваривание рецептурной смеси. Приготовление помадного сиропа: дозирование сахарного сиропа, патоки, молока и других компонентов, смешивание и уваривание рецептурной смеси.
Сбивание помадной массы:помадный сироп перемещается в зазоре меж ду цилиндрическими поверхностями неподвижного корпуса и быстровращаю щегося шнека. Эти поверхности снабжены охлаждающими водяными рубаш ками. Помадный сироп, соприкасаясь с холодными поверхностями, интенсивно охлаждается и превращается в пересыщенный сахарный раствор, в результате этого происходит процесс кристаллизации сахарозы. Чтобы обеспечить мелко кристаллическую структуру помадной массы, одновременно с охлаждением продукт подвергается интенсивному перемешиванию. - Приготовление конфетной массы: дозирование помадной массы и рецептурных добавлений, смешивание конфетной массы. - Формование корпусов конфет: дозирование и отливка порций конфетной массы в формы, выстойка отливок. - Глазирование корпусов конфет: подготовка, темперирование и подача глазури, нанесение глазури на корпуса конфет, охлаждение глазированных корпусов. - Завертка и упаковка и хранение конфет: ориентирование конфет в продольные ряды, завертка конфет и упаковка в торговую тару. зико – химические и показатели безопасности. В современных условиях рынка одним из самых актуальных вопросов является конкурентоспособность отечественной кондитерской продукции. Такая продукция должна обладать высокими органолептическими показателями качества, соответствовать вкусам потребителя и иметь долгосрочную перспективу сбыта [134].
На органолептические показатели качесва ПК большое влияние оказывают показатели качества сырья, полуфабрикатов, технологические режимы работы оборудования [4, 135].
Рассмотрим более подробно наиболее важные показатели качества, контролируемые на каждой стадии производства ПК:
Подготовка сырья к производству. Основным сырьем для производства помадных конфет является сахарный песок, представляющий собой однородные кристаллы с четкими гранями. Вкусовые качества готовых помадных конфет в значительной степени определяются размерами кристаллов сахара – песка, поступающего на производство. Зная свойства сахара - песка, можно управлять многими технологическими процессами при изготовлении помадных конфет, а следовательно, прогнозировать их качество [ 154 ]. Управляя процессом кристаллизации, можно достигнуть высокого качества помадных конфет. На кинетику кристаллизации сахарозы оказывают влияние начальная концентрация, температура, частота перемешивания, вязкость раствора, время перемешивания, состав сиропа и др. факторы [55, 56, 64 ].
Патока представляет собой вязкую прозрачную жидкость сладковатого вкуса. Основными ее показателями являются содержание редуцирующих веществ, обусловливающих ее антикристаллизационные свойства, и массовая доля влаги. Массовая доля влаги патоки не должна превышать 22%, плотность 1410 кг/м2. Цвет патоки зависит от степени очистки.
Цельное коровье молоко, используемое для производства конфет, должно содержать не менее 3,2% жира при кислотности не выше 21Т (градус Тернера). Цельное молоко не должно иметь постороннего запаха и вкуса. Молоко представляет собой однородную жидкость белого цвета. Фруктово- ягодное пюре – это протертая плодовая мякоть, массовая доля сухих веществ которой в зависимости от вида плодов колеблется в пределах 7 – 14%, общего сахара не менее 62%.
Разработка структурно – параметрической модели процесса подготовки сырья к производству
На первом этапе характеристики связей между наблюдаемыми параметрами задавались экспертным путем с последующим уточнением в результате обработки статистических данных методами корреляционного и регрессионного анализа. Исходные данные были сформированы в виде массива случайных наблюдений x(i,j). Предположим, что при проведении случайных измерений был получены следующие статистические данные (таблица 2.10) [59].
Полученная таблица корреляционных связей была подвергнута проверке значимости по критерию Стьюдента. В результате получили преобразованную матрицу коэффициентов корреляции Rij . Найденные коэффициенты были записаны в регрессионную матрицу связей (таблица 2.12). Затем матрица коэффициентов регрессии пересчитывали в матрицу безразмерных характеристик связей (таблица 2.13) и корректировали с учетом логистики технологической системы:
Исходя из полученных характеристик связей, между параметрами был подобран критерий качества, удовлетворяющий текущим требованиям к регулированию ТП приготовления помадного сиропа. Y1пс = 0,89X1-0,65X2+0,93X3+0,82X4+0,47X5+0,54X6+0,68X7 (2.6) Таким образом, предложенный метод структурно-параметрического м о-делирования позволяет определить наиболее информативные параметры в задаче структурно - параметрического моделирования процесса приготовления помадного сиропа и найти оптимальный критерий его качества.
Проведя корреляционный и регрессионный анализ (с использованием программы Method), затем были проанализировали полученные данные при помощи программ Eureka и Method. Полученные результаты зависимости между выходным параметром и переменными входными параметрами были представлены в виде наглядных графиков для их анализа ( часть полученных данных приведена на рисунке 2.6).
Разработка структурно – параметрической модели процесса сбивания помадных масс Проведенные нами теоретические и экспериментальные исследования позволили выявить все входные параметры и условия, влияющие на ход исследуемого процесса. И на основании полученных данных спроектировать параметрическую модель процесса сбивания ( рисунок 2.7), которая содержит следующие параметры:
На первом этапе характеристики связей между наблюдаемыми параметрами задавались экспертным путем с последующим уточнением в результате обработки статистических данных методами корреляционного и регрессионного анализа. Исходные данные были сформированы в виде массива случайных наблюдений x(ij). Предположим, что при проведении случайных измерений был получены следующие статистические данные (таблица 2.14) [59].
Исходя из полученных характеристик связей между параметрами был подобран критерий качества Yк, удовлетворяющий текущим требованиям ТП сбивания помадных масс, что позволило определить наиболее информативные параметры и найти оптимальный критерий качества исследуемого процесса: Y1спм=-0,76X1+0,84X2-0,62X3+0,38X4+0,24X5+0,82X6+0,14X7-0,56X8+0,56X9 (2.7) Проанализировав полученные данные, были получены зависимости между Y1спм и переменными входными параметрами в виде наглядных графиков ( часть полученных данных приведена на рисунках 2.8 ).
Графики зависимости выходных параметров при двух меняющихся входных параметрах Xi и постоянных двух параметрах Xin. 2.1.5. Разработка структурно – параметрической модели процесса приготовления помадной конфетной массы
Проведенные нами теоретические и экспериментальные исследования позволили выявить все входные параметры и условия, влияющие на величину кристаллов сахара конфетных масс. И на основании полученных данных спроектировать параметрическую модель процесса приготовления помадной конфетной массы ( рисунок 2.9), которая содержит следующие параметры: X1- объем поступающей помадной массы 7,5-8 т/час Х2 -температура поступающей помадной массы 75-80 оС Х3- количество оборотов мешалки в темперирующей машине 50-60 в минуту Х4 -температура воды в рубашке темперирующей машины 40-50 оС Х5 -влажность поступающей взбитой помады 60-70 % Y1км – величина кристаллов сахара в конфетной массе (от 30 до 70 мкм).
Проведено экспериментальное исследование основных этапов ТП производства ПК, позволившее осуществить выбор парамеров контроля хода ТП (подготовки сырья к производству; процесса приготовления сахарного сиропа; процесса приготовления помадного сиропа; процесса сбивания помадных масс; процесса приготовления помадной конфетной массы; процесса формования корпусов конфет; процесса глазирования корпусов конфет), оказывающих наибольшее влияние на органолептические показатели качества полуфабрикатов и готовых конфет. Выполнено структурно – параметрическое моделирование и разработаны структурно - параметрические модели всех перечисленных выше основных процессов производства ПК.
Определены и обоснованы основные параметры (режимные и технологические), оказывающие наибольшее влияние на ТП производства ПК, что позволяет перейти к разработке с использованием интеллектуальных технологий схем автоматизации процессов производства ПК, оптимизации технологических режимов и управления производственным процессом на современном уровне. Разработанные в данной главе модели являются основой создания модуля автоматиеского контроля в потоке величины кристаллов сахара в конфетных массах АЭС.
Анализ структуры и общее описание работы автоматизированной информационно-управляющей системы (АИУС )
При создании АЭСК качества ПК большое внимание должно быть уделено приобретению знаний, методам и инструментальным средствам доступа к знаниям, как они используются при поиске решения. Также важно знать, какие знания нужны в той или иной конкретной ситуации и как ими правильно распорядиться. Это значимая часть процесса функционирования ЭС. Приобретение знаний реализуется с помощью двух функций: получения информации извне и ее систематизации. При этом в зависимости от способности системы обучения к логи ческим выводам возможны различные формы приобретения знаний, а также различные формы получаемой информации. Функции, необходимые обучающейся системе для приобретения знаний, различаются в зависимости от конфигурации системы. Если БЗ пополняется знаниями в стандартной форме их представления, то этими знаниями также можно воспользоваться. Следовательно, от функций обучения требуется преобразование полученной извне информации в знания и пополнение ими БЗ.
Все существующие инструментальные средства (ИС) создания системы знаний в зависимости от используемых в них методах извлечения знаний от экспертов можно классифицировать следующим образом: средства приобретения знаний в простейших ЭС, основанные на деревьях решений (decision trees); системы приобретения знаний, базирующиеся на психологических методах (методы репертуарных решеток, кластерный анализ, многомерное шкалиро ва-ние и др.); системы приобретения знаний, использующие модели и методы решения конкретных типов задач (problem solving methods); системы приобретения знаний, основанные на рассуждениях по прецедентам (case-based reasoning); индуктивные средства приобретения знаний для простейших ЭС, где знания об области эксперти зы могут быть представлены в виде примеров; сстемы приобретения знаний, использующие комбинацию различных методов и подходов к извле чению знаний.
Методы поиска решений задач в ЭС зависят от особенностей предметной области, в которой решается задача, и от требований, предъявляемых пользователем к решению. Особенности предметной области с точки зрения методов решения можно характеризовать следующими параметрами: размер, определяющий объем пространства, в котором предстоит искать решение; изменяемость области, характеризует степень изменяемости области во времени и пространстве (здесь будем выделять статические и динамические области); полнота модели, описывающей область, характеризует адекватность модели, используемой для описания данной области; полнота представленных данных, под которой понимается достаточность (недостаточность) входных данных для однозначного решения задачи.
Требования пользователя к результату задачи, решаемой с помощью поиска в ЭС, можно характеризовать количеством решений и свойствами результата и (или) способом его получения. Параметр "количество решений" может принимать следующие основные значения: одно решение, несколько решений, все решения. Параметр "свойства" задает ограничения, которым должен удовлетворять полученный результат или способ его получения. Так, например, для системы, выдающей рекомендации по переподготовке персонала, пользователь может указать требование использовать определенную литературу. Параметр "свойства" может определять и такие особенности, как время решения ("не более чем", "диапазон времени" и т.п.), объем памяти, используемой для получения результата, указание об обязательности (невозможности) использования каких-либо знаний (данных) и т.п.
Рассмотренные ниже методы могут работать в статических и динамических проблемных средах. Проведенный нами анализ исследований в данной области [18, 21, 38, 68, 70] показал, что существующие методы решения задач, используемые в экспертных системах, можно классифицировать следующим образом: методы поиска в одной области небольшой размерности, полнота модели, точные и полные данные; методы поиска в иерархических пространствах - методы, предназначенные для работы в областях большой размерности; методы поиска при неточных и неполных данных ; методы поиска, использующие несколько моделей, предназначенные для работы с областями, для адекватного описания которых одной модели недостаточно. Нами был использован для разработки АЭСК метод поиска в одной области небольшой размерности.
Логические модели базируются на представлении знаний в системе логики. Вывод новых знаний осуществляется на основании силлогизмов. Правила формальной логики постепенно расширяются, приближаясь к «человеческой» логике. Продукционные модели представляют знания в форме предикатов первого порядка, а правила манипулирования ими - с помощью конструкций “ЕСЛИ - ТО”. Фреймовое представление знаний отражает систематизированную в виде единой теории психологическую модель памяти человека. Основной элемент модели - фрейм отражает структуру данных для описания концептуальных (понятийных) объектов. Информация, относящаяся к одному фрейму, содержится в с лоте. Все фреймы взаимосвязаны и образуют единую систему, в которой объединены факты (описательные знания) и правила манипулирования ими. Семантическая сеть - наиболее удобная и понятийная экспертам модель представления знаний, которая и была нами выбрана для разработки АЭСК. Под семантической сетью, как правило, подразумевают граф, узлы которого соответствуют понятиям или объектам. Блок логических выводов АЭСК приспособлен к работе с ненадежными данными, что приближает экспертную систему к реальной действительности. Для этого разработаны нечеткая логика, коэффициенты уверенности, байесовская логика, меры доверия и т .д. Блок объяснений также играет важную роль : система должна уметь объяснить, как она пришла к тому или иному выводу. В экспертных системах, ос нованных на правилах, объяснения получают обычно путем прослеживания еще раз тех шагов рассуждения, которые привели к данному выводу.
Методы получения информации от экспертов
Параметрическая модель системы автоматического контроля величины кристаллов сахара в конфетных массах. Математически, задачу определения величины кристаллов сахара в конфетных массах Sк можно сформулировать следующим образом: Sк = F(Xam Xlm) где (5.1) am - (automation measurement) входной вектор, характеризующий параметры технологического процесса, полученные в результате автоматических измерений, производимых АСУ; Xim - (laboratory measurement) входной вектор, характеризующий исходные показатели качества сырья и полуфабрикатов, определенные в процессе входного контроля и полученных в результате лабораторных измерений.
Также необходимо определить управляющее воздействие и ограничения, накладываемые на систему. Для данного ТП приготовления конфетных масс возможно использовать два управляющих воздействия - изменение конечной температуры уваривания конфетной массы и изменение времени уваривания, однако изменение конечной температуры уваривания не может обеспечить регулирование параметра величины кристаллов сахара в конфетных массах с точностью, требуемой для данной работы, тогда как продление, или наоборот, сокращение продолжительности уваривания может обеспечить качественное регулирование протекания процесса. Таким образом, основной задачей системы регулирования будет расчет такого времени процесса уваривания, которое не выходило бы за рамки, обозначенные оператором как нижний и верхний пределы продолжительности. На остальные параметры протекания процесса действуют ограничения, предусмотренные технологической инструкцией.
При постановке задачи в виде формулы (5.1) на модель ложится проблема определения единственного параметра технологического процесса: величины кристаллов сахара. Основой для определения искомого показателя служат разнообразные статистические данные о ходе ТП и органолептические параметры сырья и полуфабрикатов, корреляция которых с определяемым параметром выражена не явно, таким образом, в случае использования для построения модели аппарата ИНС, задача нейронной сети в данной системе сводится к задаче прогнозирования результата. При правильном формировании обучающей выборки, значения параметров которой будут охватывать весь допустимый диапазон изменения их значений, задача прогнозирования искомого показателя представляет собой задачу интерполяции результатов. Это означает, что данный виртуальный датчик будет стабильно работать с заданной погрешностью в данном диапазоне значений технологических параметров.
Таким образом, нейросетевая модель, обученная по выборке, в которой проводилось соответствие величины кристаллов сахара в конфетных массах и характерных для данного значения параметров ТП, имеет вид:
И производит интерполяцию значения величины кристаллов сахара в конфетных массах, основываясь на имеющихся данных о процессе: Ух = F(Xam itXlm ,-) (5.3) Основные этапы решения задачи построения виртуалього датчика контроля величины кристаллов сахара в конфетных массах Решение задачи построения и интеграции виртуального датчика на основе НСТ в АЭСКК ПК в общем случае состоит из следующих этапов, представленных на рисунке 5.23.
Выбор структуры НС осуществлялся в соответствии со сложностью р е-шаемой задачи. Проведенные нами исследования, подробно описанные в наших работах [12, 14 - 20] , показали необходимость использования для построения виртуального интеллектуального датчика автоматического контроля (АК) величины кристаллов сахара в конфетных массах сети типа многослойного персеп-трона с одним скрытым слоем, что будет являться оптимальной архитектурой сети, поскольку в этом случае результат обучения оказался значительно лучше, чем при использовании сети однослойного типа. Анализ однослойных НС показал непригодность их для решения поставленной задачи в виду их низкой вычислительной способности . Дальнейшая экспериментальная часть работы проводилась с применением многослойных НС прямого распространения, типа многослойный персептрон. Сеть, такого типа имеет структуру, показанную на рисунке 5.24., и является наиболее перспективной для решения поставленных задач.
После проведения подбора архитектуры сети необходимо определить количество скрытых слоев и количество нейронов каждого слоя, способствующее получению наименьшей ошибки во время функционирования ИНС. Количество скрытых слоев для сети типа многослойный персептрон во множестве практических случаях выбирается экспериментальным путем при проведении обучения. Теоретическое обоснование выбора количества скрытых слоев в сети определяет теорема Колмогорова [4, 18, 99] , в которой говорится что любая непрерывная функция f, определенная на w-мерном единичном кубе, может быть представлена в виде суммы 2п+1 суперпозиций непрерывных и монотонных отображений единичных отрезков:
В свете этой теоремы задача построения архитектуры сети ставится на строго математическую основу. В своих работах Р. Хечт- Нильсен [18, 88] показал, что достаточно трех, но констатировал, что в реальной сети использование большего количества слоев приводит к уменьшению суммарного количества элементов в скрытых слоях. Анализ опубликованных результатов, однако, указывает на то, что для решения большинства практических задач достаточно одного, иногда двух скрытых слоев. Количество скрытых слоев НС определялось экспериментальным путем в среде «Matlab» [ 26, 30 ] с учетом теоретического обоснования. В процессе экспериментов были рассмотрены разные структуры НС. Представленные структуры НС подвергались обучению согласно алгоритма обратного распространения ошибки [ 32 ]. На вход НС подавалась одинаковая обучающая выборка. Для реализуемой сети выходой сигнал /-го нейрона скрытого слоя в общем виде будет иметь вид: