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

5.7. Реализация модели среды.

Представим среду с помощью КА Мура. Пусть КА имеет четыре состояния s1, s2, s3, s4 и представлен диаграммой Мура на рис. 5.7.1. Файл спецификации для модели среды содержит описание выходного сигнала в зависимости от состояния
КА (первая часть в примере 5.7.1) и описание самого КА (вторая часть).
Пятое дополнительное состояние КА initial является инициальным. Переходы указываются в виде (, ) -> .
[pic]
S0=initial, a0=0000, a1=0111, a2=1011, a3=1101, a4=1110

Рис. 5.7.1.
[Environment] initial(output=1111) s1(output=0111) s2(output=1011) s3(output=1101) s4(output=1110)

[Finite State Automate] set for word -1 synonym any
(initial,0)->s1
(initial,1)->s1
(s1,0)->s2
(s1,1)->s3
(s2,0)->s4
(s2,1)->s3
(s3,0)->s2
(s3,1)->s4
(s4,0)->s4
(s4,1)->s1
Пример 5.7.1. Спецификация модели среды.

5.8. Пример работы программы.

Результаты работы программы удобно представить временной диаграммой, где строка отображает состояние системы в момент времени ti. Будем обозначать вертикальным штрихом единичный сигнал на выходе нейрона (N) или датчика
(I).
Данный пример демонстрирует способность УС находить закономерности управления и использовать их для улучшения своего состояния. Исходными данными для примера являлись спецификация сети - пример 5.3.1, спецификация
БОС - пример 5.6.1, спецификация модели среды - пример 5.7.1.

Output signals graph

I1 I2 I3 I4 N2 N3 N4 N1 DecisionMaker Or Evaluator t = 0 * * * * 1 1 0 t = 1 | | | 1 1 15 t = 2 | | | 0 0 5 t = 3 | | | 1 1 10 t = 4 | | | 1 1 5 t = 5 | | | 1 1 20 t = 6 | | | 1 1 15 t = 7 | | | 0 1 5 t = 8 | | | 0 1 20 t = 9 | | | 0 1 15 t = 10 | | | | 0 0 5 t = 11 | | | 0 1 10 t = 12 | | | | 0 1 5 t = 13 | | | 1 1 20 t = 14 | | | | 1 1 15 t = 15 | | | | 1 1 5 t = 16 | | | | 0 1 20 t = 17 | | | | 1 1 15 t = 18 | | | | 1 1 5 t = 19 | | | | 0 0 20 t = 20 | | | | 0 0 20 t = 21 | | | | 0 0 20 t = 22 | | | | 0 1 20 t = 23 | | | | 1 1 15 t = 24 | | | | 1 1 5 t = 25 | | | | 0 0 20 t = 26 | | | | 0 0 20 t = 27 | | | | 0 0 20 t = 28 | | | | 0 1 20 t = 29 | | | | 1 1 15 t = 30 | | | | 1 1 5 t = 31 | | | | 0 0 20 t = 32 | | | | 0 1 20 t = 33 | | | | 1 1 15 t = 34 | | | | 1 1 5 t = 35 | | | | 0 0 20 t = 36 | | | | 0 0 20 t = 37 | | | | 0 0 20 t = 38 | | | | 0 1 20 t = 39 | | | | 1 1 15 t = 40 | | | | 1 1 5

...

Calculation time statistics
Number of net nodes = 11
Time interval length = 600
Calculation time = 1.582 secs
Mean time of calculating one node output = 0.24 ms

Knowledge base statistics
N3 -> N4 with action 1 with probability 141 / 141 = 1
N4 -> N1 with action 0 with probability 141 / 304 = 0.464
N1 -> N3 with action 1 with probability 141 / 141 = 1

Пример 5.8.1. Результат работы программы.

На диаграмме выведены выходные сигналы входных элементов (датчиков) I1, I2,
I3, I4, нейронов N1, N2, N3, N4, БПР (DecisionMaker), БОС (Evaluator) и внутреннего элемента среды (Or), на который подаются сигналы от БПР и стохастического источника, а выход соединен с входом модели КА Мура.
Множество возможных воздействий УС на среду состоит из двух элементов, обозначенных как 0 и 1. Из примеров 5.6.1 и 5.7.1 видно, что состоянием модели среды с наивысшей оценкой является s4. Из диаграммы 5.8.1 можно сделать вывод, что УС нашла закономерности управления, достаточные для удержания ОУ в состоянии s4 (t > 18), но в результате действия стохастического источника после некоторого времени пребывания в s4 ОУ перескакивает из этого состояния в s1, откуда УС снова переводит его в состояние s4.
Работу системы проиллюстрируем на рис. 5.8.1. В систему входят модель среды, состоящей из КА и Истока, и УС, состоящей из блоков ФРО, БОС, БЗ,
БПР.

[pic]
Рис. 5.8.1.

В конце примера выведена информация о состоянии БЗ, содержащей знания, эмпирически найденные УС к моменту окончания работы программы.

5.9. Перспективы развития СПИНС.

Кроме намеченных в разделе 5.1 направлений развития системы, а именно создание конструктора сетей с графическим интерфейсом, расширение языка спецификации сетей и др., необходима доработка и разработка нейросетевых реализаций БЗ и БПР, разработка методов создания реальных приложений по полученным с помощью СПИНС спецификациям сетей. Привлекательным является также создание трехмерного визуализатора БЗ. Визуализация БЗ основана на введении топологии в конечном пространстве образов базы знаний [pic]
(определение 4.5) посредством отображения F и Y в R, таким образом, области в B отобразятся в области в [pic].
Если образ [pic], [pic] сформирован, то он отображается точкой цвета, соответствующего сформировавшейся оценке образа [pic]. При этом в пространстве обозначатся некоторые цветные области (рис. 5.9.1), иллюстрирующие закон управления.

[pic]
Рис. 5.9.1.
Заключение.

Основные результаты дипломной работы состоят в следующем:
Разработана концепция и реализовано ядро программной системы СПИНС для построения и исследования нейросетевой реализации прототипов управляющих систем, построенных по методу автономного адаптивного управления, созданного в отделе имитационных систем Института Системного
Программирования РАН.
Доработаны аппарат формирования и распознавания образов, алгоритм заполнения базы знаний управляющей системы и алгоритм принятия решений.
Данные алгоритмы протестированы с помощью СПИНС на модельных примерах.
Показано, что УС ААУ в рассмотренных примерах находит способ управления предъявленным объектом (средой) и осуществляет управление в соответствии с целевыми функциями.

Благодарности.

Автор выражает благодарность научному руководителю д. ф.-м. н. Александру
Аркадьевичу Жданову за ценную поддержку и помощь в данной работе и член.- корр. РАН Виктору Петровичу Иванникову, под руководством которого были приобретены знания и опыт объектно-ориентированного программирования, в частности освоены объектные шаблоны (design patterns), использованные при разработке СПИНС.
Литература.

[Диссер] Жданов А.А. Принцип автономного адаптивного управления.
Диссертация на соискание ученой степени доктора физико-математических наук.
ВЦ РАН. Москва, 1993. 318 с.

[Жданов1] Жданов А.А. О подходе к моделированию управляемых объектов.
Препринт ВЦ АН СССР. Сообщения по прикладной математике. Москва, 1991. 44 с.

[Жданов2] (Работа содержит описание нейрона II).

[Жданов3] Zhdanov A.A. A principle of Pattern Formation and Recognition//
Pattern Recognition and Image Analysis. Vol.2. N3. 1992. - P. 249-
264. (ISSN: 1054-6618).

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