Математическое и программное обеспечение имитационных моделей процессов управления в биологических системах

• Автор: Деньщикова, Екатерина Владимировна
• Шифр специальности: 05.13.11
• Научная степень: Кандидатская
• Год защиты: 2003
• Место защиты: Москва
• Количество страниц: 139 с. : ил

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ
ГЛАВА 1. Выбор и анализ методов решения задачи
1.1. Нечеткие системы
1.2. Искусственные нейронные сети
1.3. Гибридные интеллектуальные системы
Выводы по главе
ГЛАВА 2. Построение имитационной модели биомеханического
многозвенника
2Л. Особенности биомеханических систем
2.1.1. Описание системы построения движений
2Л.2. Иерархия в биомеханических системах
2Л.З. Обоснование выбранных методов
2.2. Описание нижнего уровня иерархии
2.2.1. Теория равновесной точки
2.2.2. Имитация функций сенсорной системы различной модальности
2.2.3. Описание верхнего уровня управления, имитируемого нейросетью
2.3. Описание имитационной семиотической модели
2.4. Общее описание имитационной модели системы управления движением
биомеханического многозвенника
Выводы по главе
ГЛАВА 3. Программные системы для создания имитационных моделей управления биомеханическим равновесием
3.1. Общее описание программного комплекса
3.2. Описание основной программы
3.3. Описание программы настройки параметров нечеткого регулятора
3.4. Описание нечетких регуляторов для имитации нижнего уровня
3.4.1. Описание нечеткого регулятора для имитации тяги

3.4.2. Описание процесса настройки регулятора
3.4.3. Регуляторы, имитирующие взаимосвязь между звеньями
3.5. Программное обеспечение имитационной модели гомеостата
Выводы по главе
ГЛАВА 4. Программные эксперименты по обучению имитационной модели системы поддержания равновесия
4.1. Исследование зависимости скорости обучения системы от используемых Т-норм
4.2. Исследование зависимости скорости обучения системы от начальных условий
4.3. Результаты исследования модели с точки зрения адекватности реальным процессам в биомеханической системе
4.4. Возможности применения модели
Выводы по главе
ГЛАВА 5. Результаты исследования имитационных моделей гомеостатов, применяемых в задачах моделирования процессов в биологических объектах
5.1. Имитационная модель гомеостата поддержания постоянства параметров
5.2. Описание имитационной модели гомеостата ритмов
5.3. Описание имитационной модели иерархического гомеостата
Выводы по главе
Заключение
Список используемой литературы

ВВЕДЕНИЕ
Диссертационная работа посвящена методам разработки математического и программного обеспечения имитационных моделей процессов управления в биологических системах.
Актуальность работы. Искусственный интеллект - область исследований, ориентированная на разработку компьютерных программ, способных выполнять функции, обычно ассоциируемые с интеллектуальными действиями человека: анализ, обучение, планирование, принятие решений, творческая деятельность. Методы искусственного интеллекта широко применяются в самых разных областях: в медицине, в образовании, в экономике, на транспорте, на производстве, в области обороны и безопасности.
Однако интеллектуальная сфера есть только малая надводная часть айсберга мыслительной деятельности, и для управления движениями человека требуется переработка огромных объемов поступающей в мозг первичной информации и синтез сигналов управления для систем с большим числом степеней свободы. Это часто находится на пределе возможностей современных компьютеров. Поэтому в середине 90-х в Японии на смену программы «ЭВМ пятого поколения» пришла программа "Вычисления в реальном мире", где речь идет, прежде всего, о том, чтобы дать вычислительным системам возможность самостоятельно воспринимать воздействия внешнего мира и действовать в нем. Авторы программы огромную роль - до 40% ее содержания - отводят исследованию естественных моделей поведения и созданию искусственных нечетких и нейросетевых систем для их моделирования. Эти обстоятельства и определяют актуальность тематики настоящей работы - разработки и исследования гибридного интеллектуального подхода к построению и программной реализации имитационных моделей поведения биологических систем. В русле этой тематики на основе

где i=l,...,N;
ut(fk) —напряжение, вычисляемое по формуле:
(1.21)
Сеть Хопфилда функционирует следующим образом: по заданным параметрам ч>ц,в{ и вектору начальных состояний для моментов времени г,/2 находится последовательность векторов л(/, ),л(/2),..., описывающая траекторию сети в пространстве состояний.
Для рассматриваемой сети по аналогии с физическими системами Хопфилд ввёл понятие энергии:
Нетрудно доказать, что вдоль траектории движения эта энергия монотонно убывает, т.е. на последовательности x(tl),x(i2),..., представляющей решение, имеет место £(?„)>£(/,)>E{t2)>.... Это свойство функции Е является отличительной чертой сетей Хопфилда.
Поскольку число допустимых состояний x{t) дискретной сети конечно, а Е монотонно убывает вдоль любой траектории, то каждая траектория достигает некоторой точки х , в которой Е достигает своего минимального значения. Таких точек в сети может быть много, им соответствуют локальные минимумы функции Е. Учитывая эту особенность дискретную сеть Хопфилда можно приспособить для решения задач классификации. Если исходная задача может быть сведена к некоторой функции F(x), имеющей вид:

£(0=-тХХ w« х> 0* )*A)+Z 91х, (‘к)
(1.22)
£((*) = — У1 У а „ х (t)х, (/) + У] bt х, {tk)
(1.23)