Московский ордена Трудового Красного Знамени Физико-Технический Институт Факультет Управления и Прикладной Математики Кафедра Системного Программирования Нейросетевая реализация системы автономного адаптивного управления Дипломная работа студента 275 группы Винокурова Алексея Николаевича Научный руководитель: д. ф.-м. н. Жданов Александр Аркадиевич Работа выполнена в Институте Системного Программирования РАН Москва 1998 * Сокращения и обозначения. 1. Введение. 1.1. Введение и задачи работы. 1.2. Формализация нейронных сетей. 1.3. Краткое описание метода автономного адаптивного управления. 1.4. Основные понятия и обозначения. 1.5. Алгебра образов. 2. Моделирование среды. 3. Аппарат ФРО. 3.1. Биологический нейрон. 3.2. Формальная модель нейрона. 3.3. Задача построения ФРО. 3.4. Распознавание пространственно-временных образов. 4. База знаний. 5. Система построения и исследования нейронных сетей (СПИНС). 5.1. Актуальность системы. 5.2. Общая коцепция системы. 5.3. Конструкторы сетей. Библиотеки шаблонов. 5.4. Организация вычислений в сети. 5.5. Анализаторы работы сети. 5.6. Реализация блока оценки состояния. 5.7. Реализация модели среды. 5.8. Пример работы программы. 5.9. Перспективы развития системы. * Заключение. * Благодарности. * Литература. Сокращения и обозначения. Принятые сокращения ААУ - автономное адаптивное управление БД - блок датчиков БЗ - база знаний БОС - блок оценки состояния БПР - блок принятия решений ГИП - графический интерфейс пользователя (GUI) ИО - исполнительный орган НРС - недетерминированный автомат Рабина-Скотта НС - нейронная сеть МНРС - модифицированный недетерминированный автомат Рабина-Скотта ОУ - объект управления ПВО - пространственнно-временной образ СВ - случайная величина СПИНС - система построения и исследования нейронных сетей УС - управляющая система ФР - функция распределения ФРО - аппарат формирования и распознавания образов Принятые обозначения - множество неотрицательных целых чисел - граф со множеством вершин V и множеством ребер N - ребро, направленное из вершины i в вершину j - взаимнооднозначное отображение множества X на множество Y - множество конечных подмножеств множества X R[a,b] - множество вещественных чисел на [a,b] BN - пространство двоичных векторов размерности N - пустое слово из множества входных слов КА 0 - ложь в выражении трехзначной логики 1 - истина в выражении трехзначной логики - неопределенность в выражении трехзначной логики - есть подвектор (совокупность выбранных компонент) вектора - класс Y является потомком класса X 1. Введение. 1.1. Введение и задачи работы.
    При современном уровне развития техники, когда даже бытовая техника оснащается микропроцессорными устройствами, возникла потребность в интеллектуальных адаптивных системах управления, способных приспосабливаться к очень широкому диапазону внешних условий. Более того, возникла потребность в универсальной технологии создания таких систем. Научный опыт человечества свидетельствует о том, что в природе можно найти великое множество ценных идей для науки и техники. Человеческий мозг является самым удивительным и загадочным созданием природы. Способность живых организмов, наделенных высшей нервной системой, приспосабливаться к окружающей среде может служить призывом к подражанию природе или имитации при создании технических систем.
    Среди имитационных подходов выделяется класс нейросетевых методов. ............