Überwachung eines neuronalen Netzes mittels Controller

Das Unterprogramm Copy_Tab kopiert die original Lernpattern aus dem ROM ins RAM. Dort werden sie gespeichert, um später der Zufallsfunktion Random eine Markierung der ausgewählten Pattern zu ermöglichen. Anhand der Originaltabelle und dessen Kopie kann die Random-Funktion sicherstellen, dass jeder Pattern wirklich nur einmal ausgewählt wird. Dies ist wichtig, da der Lernalgorithmus in jedem Zyklus eine einmalige Präsentation aller Pattern verlangt. Für die spätere Unterscheidung ist es nicht nötig, die gesamte Originaltabelle zu duplizieren. Vielmehr genügt es jeweils nur die erste Komponente jedes Pattern zu kopieren, was eine schnellere Abarbeitung des Algorithmus zur Folge hat. Anschaulich wird das Vorgehen, wenn man die Abarbeitung des im nächsten Abschnitt beschriebenen RandomAlgorithmus betrachtet. [...]

Das Hauptprogramm verknüpft die einzelnen Unterprogramme so miteinander, dass der Algorithmus aus Abschnitt 6.4 vom Controller realisiert wird. Es lässt sich in Programmbeginn, Initialisierungsteil und eigentlichen Lernalgorithmus unterteilen. Zu Beginn werden die Dateien mit den Lern- und Testpattern geladen und einige allgemeine Deklarationen, wie z.B. Festlegen der Programmstartadresse, vorgenommen. Im anschließenden Initialisierungsteil werden den im Vereinbarungsteil definierten Variablen die entsprechenden Anfangswerte zugewiesen und die benötigten Ports konfiguriert. Der darauf folgende Hauptteil besteht im wesentlichen aus der im Algorithmus auf Seite 18 dargestellten Schleife (Cycle). Hier werden die entsprechenden Statussignale (ini, learnrate) über die Mikrocontrollerports ausgegeben, die Unterprogramme aufgerufen und Variablen wie Learning_Rate, Max_Cycles, oder Error_Sum ausgewertet. Die Abarbeitung des Algorithmus erfolgt folgendermaßen: Nach der Initialisierung und Anfangsbelegung der Variablen beginnt der eigentliche Lernzyklus (Cycle). Dort wird als erstes das ini Signal auf 1 gesetzt und ausgegeben. Die Classification-Funktion wird damit zur Gewichtsinitialisierung veranlasst. Nach dem anschließenden Löschen des ini-Bits wird der Algorithmus mit der Schleife, die die Lern- und Testpattern präsentiert sowie den Netzfehler ermittelt fortgesetzt (Repeat-Schleife). Hier werden der Summenfehler des Netzes (Error_Sum) gelöscht und die Lernrate (learnrate) ausgegeben. Die Variable learnrate ist intern als 32 Bit Gleitkommawert gespeichert. Für die Ausgabe als Spannungswert über einen externen D/A-Wandler ist jedoch ein Integerwert nötig. Deshalb muss vor der Ausgabe von learnrate der Gleitkommawert mit einem Skalierungsfaktor multipliziert und in einen Integerwert konvertiert werden. Der Skalierungsfaktor dient dazu, den internen Wert (z.B. 0,9) an die Auflösung des D/AWandlers anzupassen (bei 10 Bit DAU: Skalierungsfaktor=1023). Die Gleitkommamultiplikation realisiert die Funktion IEEE_Mult. Im Anschluss wird mittels der R_to_I-Funktion der Gleitkommawert in einen Integertyp konvertiert und ausgegeben. Nun kann mit der Präsentation der Lernpattern begonnen werden. Dazu wird der erste Wert jedes Lernpattern vom Unterprogramm Copy_Tab ins RAM kopiert und anschließend erzeugt die Random-Funktion mit Hilfe der Original- und der„Copy_Tab“-Tabelle eine neue Tabelle. Diese Tabelle ermöglicht die Ausgabe der Lernpattern in zufälliger Reihenfolge. Die Funktion Present_Learnpattern präsentiert nun die Pattern dem neuronalen Netz, das dabei die Gewichte zwischen den Neuronen anpasst. Das Ende der Lernpatternpräsentation wird dem Netz durch Ausgabe der Lernrate 0 signalisiert. Den Erfolg des Lernvorganges überprüft die Funktion Present_Testpattern. Sie gibt die Pattern der Testpatterntabelle aus und ermittelt stets den Netzfehler, der über alle Pattern aufsummiert wird (Error_Sum). Das Hauptprogramm vergleicht anschließend den summierten Netzfehler mit dem zulässigen Fehler (Error_zul). Ist der Fehler größer als der zulässige Fehler, wird das Lernen wiederholt (Repeat-Schleife). D. h., die Lernpattern werden erneut „zufällig“ sortiert, präsentiert und der Lernerfolg wird mit Hilfe der Testpattern überprüft. Dieser Vorgang wiederholt sich solange, bis der Gesamtfehler kleiner als der zulässige Fehler geworden ist oder eine maximale Anzahl von Zyklen (Max_Cycles) erreicht wurde. Nach erfolgreichem Konvergieren hat der Seite 28 [...]

Die Darstellung der gebrochenen Zahlen im Mikrocontroller erfolgt ähnlich dem IEEEStandard. Das hat den Vorteil, dass der Zahlenbereich sehr groß und der Fehler bei der Umwandlung von Dezimal- in Gleitkommazahlen gering ist. Das tatsächlich verwendete Format ist vom IEEE-Standard abgeleitet. Da im Programm keine negativen Zahlenwerte auftreten, wird das Vorzeichenbit weggelassen. Das freiwerdende Bit wird als zusätzliches Bit für die Mantisse genutzt. Das Format im Mikrocontroller besteht damit aus 8 Bit Exponent und 24 Bit Mantisse (=32 Bit insgesamt). Die erreichbare Genauigkeit ist mehr als ausreichend. Bei einer Speichereinteilung im Word-Format (16 Bit) und ebenso breiten ALU-Registern werden also 2 Speicheradressen benötigt. Ein Format, indem lediglich 16 Bit genutzt werden, wäre zu ungenau, so dass auf die 32 Bit Darstellung ausgewichen wird. Ein ebenfalls denkbares Format von 24 Bit insgesamt wird wegen der Speichernutzung des H8 (Worddaten nur an geraden Speicheradressen) nicht verwendet. [...]