Предыдущая страница реферата | 1  2  3  4  5  6  7  8  9  10 | Следующая страница реферата

В отделе имитационных систем Института Системного Программирования РАН разработан метод автономного адаптивного управления (ААУ). Предполагается, что система ААУ может быть полностью реализована на нейронной сети [Диссер,
Жданов1-9]. В отличии от традиционного использования НС для решения только задач распознавания и формирования образов, в методе ААУ согласованно решаются задачи

. распознавания и формирования образов

. получения и хранения знаний (эмпирически найденных закономерных связей образов и воздействий на объект управления)

. оценки качественных характеристик образов

. принятия решений (выбора воздействий).
Особенностями метода ААУ являются:
. Избыточность нейронов в сети, необходимая для адаптации системы управления (УС) к изменяющимся условиям существования объекта управления

(ОУ). Вследствие этого для практической реализации УС необходимо создание больших НС (для сравнения человеческий мозг содержит ~1011 нейронов).
. НС состоит из специфичных нейронов, являющимися более близкими аналогами биологического нейрона и приспособленными для решения задач ААУ (раздел

3.2)
. Нейроны в сети соединяются специальным образом, также для решения задач

ААУ.

Особенности метода ААУ делают непригодными или малопригодными существующие системы САПР и системы моделирования традиционных НС
(например, BrainMaker) для создания прототипов УС ААУ. Ввиду этого обстоятельства задачами дипломной работы были:

1. Разработка инструмента СПИНС для моделирования и исследования нейросетевых реализаций прототипов УС ААУ.

2. Разработка общей схемы нейросетевой реализации прототипов УС ААУ.

1.2. Формальная модель нейрона и нейросети.

Понятие схемы было введено для формализации вычислений на параллельных компьютерах [Итоги91]. Мы используем это понятие для формального описания нейронных сетей, т.к. оно подходит для этих целей почти без изменений.
Одним из следствий такой близости схем и НС является возможность хорошего распараллеливания вычислений в моделях НС.

Определение 1.2.1. Назовем схемой c ориентированный ациклический ортграф

(допустимы ребра с общими вершинами), вершинами которого являются параметризованные операции, т.е. операции, зависящие от некоторого параметра t. Аргументами операции являются все входные вершины или входы, т.е. такие вершины, для которых есть ребра (входные ребра), исходящие из них и направленные к данной вершине, [pic]- входная арность i-ой вершины, т.е. число входных вершин, [pic]-выходная арность i-ой вершины, т.е. число выходных вершин или выходов.

Определим размер схемы s(c) как общее число вершин схемы, глубину схемы d(c) как максимальную длину ориентированного пути в графе c.

Порядок вершины определяется рекурсивно: для вершин у которых нет входов, принадлежащих сети (истоки сети), порядок равен 0, для остальных порядок есть максимум порядка входов плюс единица. Входами сети будем называть некоторое подмножество множества истоков сети.

Выходами сети будем считать просто некоторое множество вершин сети.

Определение1.2.2. Здесь и далее под нейронной сетью будем понимать схему.

По сути схема является совокупностью композиций некоторых параметризованных операций. Глубина схемы есть максимальный уровень вложенности композиций. В методологии НС важно, что эти операции являются вычислительно простыми, наподобие взвешенной суммы или булевых конъюнкции и дизъюнкции, при этом выбирается большое количество аргументов и композиций.
В этом суть коннективизма. Параметр t является по сути временным параметром. Заметим, что здесь и далее полагаем время дискретным, хотя для формализации НС это не принципиально. Перенумеровав вершины схемы, можно записать общий вид параметризованной операции:

[pic], где [pic](t) - i-ая параметризованная операция, [pic]- входные вершины,
[pic]- синаптическая задержка на ребре [pic]. Конкретный вид функции [pic] для предлагаемой модели нейрона будет представлен в разделе «Аппарат ФРО».

Пример 1.2.1. В качестве операции-вершины может быть любая операция трехзначной логики (разд. 1.5).

Определение1.2.3. Выходами подграфа G(V, N), где V - множество ребер, N – множество вершин. сети будем называть все ребра [pic], входами все ребра [pic].

Определение1.2.4. Определим блок как связный подграф сети с одним выходом.

Определение1.2.5. Назовем блок [pic] шаблоном некоторого блока [pic] если между этими блоками существует изоморфное отображение, т.е. такая пара отображений [pic]

Рекомендуем скачать другие рефераты по теме: доклад на тему, механизм реферат.





Предыдущая страница реферата | 1  2  3  4  5  6  7  8  9  10 | Следующая страница реферата