Принципы нейроноподобной реализации систем Автономного Адаптивного Управления

• Автор: Крыжановский, Михаил Владимирович
• Шифр специальности: 05.13.11
• Научная степень: Кандидатская
• Год защиты: 2004
• Место защиты: Москва
• Количество страниц: 129 с. : ил.

Содержание
ВВЕДЕНИЕ.

1. Проблема создания систем автономного управления.

2. Поведение, обучение и архитектура автономных систем ИИ

3. Метод автономного адаптивного управления

4. Цели и задачи диссертационной работы

ГЛАВА 1. РАЗРАБОТКА ЭЛЕМЕНТОВ СИСТЕМЫ УПРАВЛЕНИЯ НА НЕЙРОПОДОБНЫХ ЭЛЕМЕНТАХ

1. Описание элементной базы систем ААУ модели нейронов, синапсов и сетей.

2. Описание состава, строения и работы системы формирования и распознавания образов

3. Описание состава, строения и принципа работы базы знаний

4. Описание и реализация аппарата принятия решений и системы эмоций

ГЛАВА 2. ПОСТРОЕНИЕ И МОДЕЛИРОВАНИЕ СИСТЕМЫ УПРАВЛЕНИЯ ДЛЯ АВТОНОМНОГО МОБИЛЬНОГО РОБОТА.
1. Модель мобильного робота Опоте8.
2. Система моделирования и исследования поведения робота иЗпоте8
3. Алгоритм функционирования системы управления
4. Результаты компьютерного моделирования эволюции робота
ГЛАВА 3. АЛГОРИТМ ДИНАМИЧЕСКОГО ФОРМИРОВАНИЯ НЕЙРОННОЙ СЕТИ ДЛЯ АППАРАТА ФОРМИРОВАНИЯ И РАСПОЗНАВАНИЯ ОБРАЗОВ СИСТЕМ АВТОНОМНОГО АДАПТИВНОГО УПРАВЛЕНИЯ
1. Процедура динамического формирования нейронной сети для аппарата Формирования и Распознавания Образов систем Автономного Адаптивного Управления.
2. Реализация алгоритма в системе управления.
3. Недостатки элементов системы управления.
ГЛАВА 4. ДРЕВОВИДНЫЕ СТРУКТУРЫ
1. Принцип организации и свойства памяти подсистемы формирования и распознавания образов на базе бинарного бесконфликтного дерева
2. Теоретическая оценка эффективности алгоритма и пример реализации в системе управления.
ГЛАВА 5. ПАРАМЕТРИЧЕСКИЕ НЕЙРОННЫЕ АССОЦИАТИВНЫЕ СЕТИ
1. Сети Хопфилда. Основные понятия
2. Принцип организации и свойства памяти Базы Знаний на основе параметрической нейросети
ЗАКЛЮЧЕНИЕ.
ПРИЛОЖЕНИЕ.
1. Открытия в нейрофизиологии и нейронные сети.
СПИСОК ЛИТЕРАТУРЫ


В живой природе этому соответствует модификация врожденного поведения. Логическое» поведение, направляемое знаниями и рассуждениями, это уровень осмысленных действий, когда поведение системы направляется по правилам и инструкциям, заложенным в базы знаний, однако доступный набор действий должен готовиться заранее. В данном случае при определении реакции на текущую ситуацию используется не просто отображение, а некоторая цепочка рассуждений, т. В живых системах данному типу поведения соответствует рассудочная деятельность в определенной ее части. Поведение, направляемое опытом, напоминает предыдущий уровень. Здесь также важную роль играет обучение. Принципиальные различия между этими двумя уровнями заключаются в следующем. Вместо цепочки рассуждений методом проб и ошибок строится менее формализованная цепь контекстно-зависимых ассоциативных переходов [-]. Это в свою очередь означает, что снимается ограничение, связанное с предварительным обучением. Работая, система накапливает опыт поведения применительно к различным ситуациям и целям. Первой попыткой применения биологических принципов к построению адаптивных автономно управляемых систем был нетривиальный проект «Животное», предложенный М. М. Бонгардом [+], и характеризующий поведение искусственных организмов. П.К. В эти же годы, усилиями Д. А. Поспелова и В. Н. Пушкина [], были получены результаты экспериментальных исследований интуиции, дающие возможность понять природу принципиальных слабостей теории автоматов при моделировании человеческого мышления. Сформулированная ими концепция позволяет наметить путь создания больших систем управления. Однако, несмотря на фундаментальность полученных результатов, все же эти работы не получили своего дальнейшего развития. Отметим здесь же недостатки подхода к построению автономных систем ИИ, реализующих только «логическое» поведение. Такой подход полагает, что интеллектуальное поведение может быть реализовано в системе, если в нее заложить символьное представление среды, ее желательное поведение в ней и синтаксис манипулирования этими представлениями [,]. Однако этот подход не реализуем сейчас по нескольким причинам. Во-первых, блок восприятия, отражает среду во внутреннее представление, и в случае с логическими системами, это представление является символьным - обычно это набор формул на языке представления системы. Но для многих сред не ясно, как провести это отражение. Во-вторых, задача однозначного представления свойства динамических сред реального мира очень сложна. К примеру, представление и осмысление временной информации о том, как ситуация изменяется со временем - очень сложная задача. В-трстьих, отметим, что в логическом подходе принятие решений рассматривается как дедукция. Это означает, что в основе «логического» поведения лежит стратегия принятия решений, закодированная как логическая теория, и процесс выбора действий сводится к проблеме доказательства. Но подход, основанный на логике, имеет много недостатков, одним из которых является обязательная вычислительная сложность доказательства теорем, что, в свою очередь, не позволяет практически реализовать «логическое» поведение систем ИИ, находясь в сильно зависящей от времени среде. Выявленные недостатки в «логическом» подходе обусловили в дальнейшем отказ от символьного представления и от принятия решений, опирающегося на синтаксические манипуляции с таким представлением. Здесь под «простым» поведением понимается набор действий, который реализует определенную заданную целевую функцию. На основе новых представлений начали складываться подходы к решению задач многокритериального (многоцелевого) управления [,] и изучение реализации последней в живых организмах. На практике реализация поведения управляющих систем осуществляется с помощью выбора соответствующей архитектуры [,,] . Несмотря на большое видовое разнообразие архитектур, мы будем рассматривать только простые типы систем. Более сложные, иерархические системы строятся на основе «узлов», которые являются системами * простого типа [,].