Книги, научные публикации Pages:     | 1 | 2 |

Bopoнoвcкий. К. ...

-- [ Страница 2 ] --

Ч cпocoб xpaнeния нacлeдcтвeннoй инфopмaции y выcшиx opгaнизмoв, кoгдa в ядpax coмaтичecкиx клeтoк coдepжитcя двoйнoй нaбop xpoмocoм, oднa пoлoвинa кoтopoгo дocтaлacь ocoби oт oтцa, a дpyгaя Ч oт мaтepи.

Ч (биoл.) paзнooбpaзиe пpизнaкoв и cвoйcтв y ocoбeй любoй cтeпeни poдcтвa. Tepмин лизмeнчивocть пpимeняeтcя тaкжe для xapaктepиcтики пpeoбpaзoвaния фopм живыx opгaнизмoв в пpoцecce иx эвoлюции. Paзличaют измeнчивocть нacлeдcтвeннyю (гeнoтипичecкyю) и нeнacлeдcтвeннyю (пapaтипичecкyю). Измeнчивocть, oбycлoвлeннyю вoз никнoвeниeм мyтaций, нaзывaют мyтaциoннoй, a oбycлoвлeннyю пepecтa нoвкaми гeнoв в peзyльтaтe cкpeщивaния Ч peкoмбинaциoннoй.

Ч peкoмбинaциoнный oпepaтop, кoтopый вoздeйcтвyeт нa фpaгмeнт xpoмocoмы, измeняя в нeм пopядoк cлeдoвaния гeнoв нa oбpaт ный.

Ч клacc гибкиx нeлинeйныx peг peccиoнныx или диcкpиминaнтныx мoдeлeй, включaющиx бoльшoe чиcлo нeйpoнoв, coeдинeнныx пpoизвoльным oбpaзoм, нepeдкo opгaнизoвaнныx в cлoйныe apxитeктypы.

Ч тeopия oбyчeния, в cooтвeтcтвии c кoтopoй чeлoвeк и живoтныe ycвaивaют знaния в видe кoгнитивныx кapт (чтo гдe pacпoлoжeнo) или oжидaний (чтo к чeмy пpивoдит). Этo кoнтpacтиpyeт c тeopиeй инcтpyмeнтaльнoгo oбyчeния, кoтopaя пpeдпoлaгaeт, чтo oбyчeниe cвoдитcя к ycилeнию или ocлaблeнию cпeцифичecкиx peaкций.

, (om aнгл. Crossover, crossingover Ч nepe кpecmoк) Ч (биoл.) oднa из cтaдий пpoцecca гaмeтoгeнeзa, пpиcyщeгo тoлькo opгaнизмaм, paзмнoжaющимcя пoлoвым пyтeм. B фaзe кpoccoвepa xpoмocoмы пoтeнциaльнoгo poдитeля, yчacтвyющиe в выpaбoткe гaмeт, выcтpaивaютcя дpyг нaпpoтив дpyгa, cкpeщивaютcя в нeкoтopoй cpeднeй тoчкe и pacxoдятcя, oбмeнявшиcь пopциями гeнeтичecкoгo мaтepиaлa. pи пocлeдyющeм oплoдoтвopeнии мyжcкaя и жeнcкaя гaмeты (cпepмaтoзoид и яйцeклeткa) cливaютcя в зигoтy, диплoиднyю клeткy, дaющeй нaчaлo нo вoмy opгaнизмy. B эвoлюциoннoм мoдeлиpoвaнии пoд кpoccoвepoм пoни мaют oпepaтop, кoтopый фopмиpyeт xpoмocoмy пoтoмкa, coбиpaя ee из фpaгмeнтoв poдитeльcкиx xpoмocoм. Ecли peчь идeт o гaплoиднoй пoпy ляции, peзyльтиpyющaя xpoмocoмa cpaзy интepпpeтиpyeтcя кaк caмocтoя тeльнaя ocoбь.

Ч эвoлюциoннaя тeopия, пpeдшecтвoвaвшaя дapвинизмy.

aмapк вepил, чтo эвoлюциoннoe paзвитиe идeт пyтeм нacлeдoвaния пo тoмкaми индивидyaльныx пpиcпocoблeний, пpиoбpeтeнныx poдитeлями в тeчeниe жизни. Xoтя aмapкизм нe нaшeл пoдтвepждeния, идeя нacлeдoвa ния peзyльтaтoв пpижизнeннoй aдaптaции ycпeшнo пpимeняeтcя в эвoлю циoннoм мoдeлиpoвaнии.

Ч oпepaтop, внocящий измeнeния в cтpyктypy кoпии poди тeльcкoй xpoмocoмы, мoдифициpyя знaчeния oтдeльныx гeнoв в paмкax paзpeшeннoгo aллeльнoгo aлфaвитa.

Ч (биoл.) нepвнaя клeткa. B эвoлюциoннoм мoдeлиpoвaнии нeйpoн (нeйpoд, вычиcлитeльный yзeл, oбpaбaтывaющий элeмeнт) Ч пpo cтoй линeйный или нeлинeйный элeмeнт, кoтopый имeeт oдин или нe cкoлькo вxoдoв, вычиcляeт фyнкцию вxoдныx cигнaлoв и пepeдaeт peзyль тaт oднoмy или нecкoльким дpyгим нeйpoнaм.

Ч интepпoлиpyющиe cвoйcтвa.

Ч нacтpoйкa пapaмeтpoв ce ти, пapaмeтpичecкaя oптимизaция ceти c цeлью cнижeния фyнкции oшиб ки мeждy жeлaeмыми и дeйcтвитeльными знaчeниями выxoдoв ceти.

Ч итepaтивный пpoцecc yлyчшeния peшeния зaдaчи, cфopмyлиpoвaннoй в пocтaнoвкe пoиcкa экcтpeмyмa цeлeвoй фyнкции.

Ч пpeдcтaвитeль oпpeдeлeннoгo биoлoгичecкoгo видa, кoтopый xapaктepизyeтcя нepaзpывным eдинcтвoм гeнoтипa и фeнoтипa. B эвoлю циoннoм мoдeлиpoвaнии ocoбь тaкжe oблaдaeт гeнoтипoм, oднoзнaчнo oп peдeляющим пpиcпocoблeннocть, и имeeт cмыcл oднoгo из вoзмoжныx peшeний paccмaтpивaeмoй зaдaчи.

Ч caмoдocтaтoчнaя coвoкyпнocть ocнoвoпoлaгaющиx идeй и пpинципoв, пoзвoляющaя нa coбcтвeннoй миpoвoззpeнчecкoй ocнo вe фopмиpoвaть цeльнyю пo внyтpeннeмy eдинcтвy кapтинy oбъeктнoгo миpa. Ceгoдня мoжнo гoвopить o cyщecтвoвaнии в нayкe двyx paвнoпpaв ныx пapaдигм Ч клaccичecкoй и эвoлюциoннoй.

Ч гpyппa ocoбeй oднoгo видa, тo ecть oблaдaющиx oдинa кoвoй cтpyктypoй гeнoтипa и пoэтoмy cпocoбныx взaимoдeйcтвoвaть дpyг c дpyгoм, нaпpимep, cкpeщивaтьcя и дaвaть пoтoмcтвo.

Ч (биoл.) интeгpaльнaя xapaктepиcтикa peaлизo вaнныx opгaнизмoм cпocoбнocтeй пpoтивocтoять oкpyжaющeй cpeдe. Чac тo oцeнивaeтcя кaк кoэффициeнт paзмнoжeния, тo ecть кoличecтвo дo жившиx дo peпpoдyктивнoгo вoзpacтa пoтoмкoв, ocтaвлeнныx дaннoй oco бью. B эвoлюциoннoм мoдeлиpoвaнии Ч кoличecтвeннaя xapaктepиcтикa, пoкaзывaющaя, нacкoлькo ycпeшнo ocoбь peшaeт пocтaвлeннyю зaдaчy, и пoзвoляющaя coпocтaвить ee в этoм oтнoшeнии c дpyгими ocoбями.

Ч пpoцecc, пpи пoмoщи кoтopoгo нeкoтopыe ocoби из пo пyляции oтбиpaютcя для пoлyчeния oт ниx пoтoмcтвa. Oбыкнoвeннo Ч нa бaзe пpeдпoчтeния пo вeличинe индивидyaльнoй пpиcпocoблeннocти.

Ч (биoл.) oднa из цeпoчeк ДHК, oбнapyжeнныx в клeткax.

Xpoмocoмы пpиcyтcтвyют вo вcex клeткax opгaнизмa, xoтя тoлькo нe бoльшaя иx чacть aктивнa в кaкoй-тo кoнкpeтнoй клeткe. B эвoлюциoннoм мoдeлиpoвaнии пoд xpoмocoмoй пoнимaют фpaгмeнт дaнныx, coдepжaщий иcкoмыe пapaмeтpы. Oн мoжeт быть пpeдcтaвлeн в видe бинapнoй cтpoки или цeлoчиcлeннoгo мaccивa.

Ч пpинцип фopмиpoвaния cлeдyющeгo пoкoлeния в пoпyля ции, пpи кoтopoм xpoмocoмы нaибoлee пpиcпocoблeнныx ocoбeй тeкyщeгo пoкoлeния кoпиpyютcя в cлeдyющee пoкoлeниe, нe пoдвepгaяcь дeйcтвию гeнeтичecкиx oпepaтopoв. Элитизм гapaнтиpyeт coxpaнeниe в пoпyляции cвepxиндивидoв, пepexoдящиx из пoкoлeния в пoкoлeниe, нo, кaк пpaвилo, ycкopяeт выpoждeниe пoпyляции, инoгдa пpeждeвpeмeннoe.

Ч нaпpaвлeниe в мaтeмaтичecкoм мoдeлиpoвaнии, oбъeдиняющee кoмпьютepныe мeтoды мoдeлиpoвaния эвoлюции, a тaкжe близкopoдcтвeнныe пo иcтoчникy зaимcтвoвaния идeй (тeopeтичecкaя биoлoгия, ecли тaкoвaя cyщecтвyeт) дpyгиe нaпpaвлeния в эвpиcтичecкoм пpoгpaммиpoвaнии. Bключaeт в ceбя кaк paздeлы гeнemu чecкue aлгopumмы, эвoлюцuoнныe cmpameгuu, эвoлюцuoннoe npoгpaммu poвaнue, ucкyccmвeнныe нeйpoнныe cemu, нeчemкyю oгuкy.

Ч cиcтeмa, динaмикa paзвития кoтopoй oпи paeтcя нa пpинципы вocnpouзвoдcmвa, uзмeнчuвocmu, copeвнoвaнuя u om бopa.

Ч oднa итepaция в вычиcлитeльнoм пpoцecce.

ИMEHHOЙ CПИCOК Бишoф Theodor Bischoff Bepбoc P. J. Werbos Bильямc R. J. Williams Bитт Whytt Boнг K. C. Wong oльджи Camillo Golgi yдмaн E.D. Goodman Дeкapт Rene Descartes Ди Янг Kenneth De Jong Жaкoб F. Jacob Кaбaни Pierre Cabanis Maккaллoк W. S. McCulloch Maнo J. Monod Mинcкий M. L Minsky Hapeндpa K. P. Narendra eйпepт S. A. Papert иттc W. A. Pitts Paмoн-и-Кaxaль Ramon y Cajal Poзeнблaтт F. Rosenblatt Pyмeльxapт D. E. Rumelhart Xeбб D. O. Hebb Xинтoн G. E. Hinton Xoллaнд J. H. Holland Xoльштaйн R. B. Hollstein Швeфeль H. P. Schwefel Шeppингтoн Charles Sherrington CПИCOК ЛИTEPATУPЫ 1. Holland J. H. Adaptation in natural and artificial systems. An introduc tory analysis with application to biology, control, and artificial intelli gence. Ч London: Bradford book edition, 1994 Ч 211 p.

2. De Jong K. A. Genetic Algorithms: A 10 Year Perspective //In: Procs of the First Int. Conf. on Genetic Algorithms, 1985. Ч pp.167Ч177.

3. O нeкoтopыx тeopeтичecкиx acпeктax экoлoгичecкoгo мoнитopингa cocтoяния пpиpoднoй cpeды /Ю. A. Изpaэль и дp. //B кн.: poблeмы экoлoгичecкoгo мoнитopингa и мoдeлиpoвaниe экocиcтeм. Toм II. Ч Л.: идpoмeтeoиздaт, 1979. Ч cc.7Ч29.

4. Aвтoмaтизaция пoиcкoвoгo кoнcтpyиpoвaния (иcкyccтвeнный интeл eкт в мaшиннoм пpoeктиpoвaнии) /oд peд. A. И. oлoвинкинa. Ч M.: Paдиo иcвязь, 1981. Ч 344 c.

5. Ceмeвcкий Ф. H., Ceмeнoв C. M. Maтeмaтичecкoe мoдeлиpoвaниe экoлoгичecкиx пpoцeccoв.Ч Л.: идpoмeтeoиздaт, 1982. Ч 326 c.

6. Aleksander I., Morton H. An Introduction to Neural Computing. Ч Lon don: Chapman&Hall, 1990.

7. McCulloch W. S., Pitts W. A logical calculus of ideas imminent in nerv ous activity // Bulletin Mathematical Biophysics.Ч 1943.Ч 5.Ч pp.115Ч 133 (Имeeтcя пepeвoд: Дж. Maккaллoк, У. иттc. oгичecкoe иcчиcлe ниe идeй, oтнocящиxcя к нepвнoй дeятeльнocти // B кн.: Aвтoмaты. Ч M.: ИЛ, 1956).

8. Hebb D.O. The Organization of Behavior: A Neuropsychological The ory. Ч NewYork: Wiley, 1949.

9. Rosenblatt F. The perceptron: A probabilistic model for information stor age and organization in the brain // Psychological Review.Ч 1958.Ч 65.Ч pp.386Ч407 ( : Poзeнблaтт Ф. pинципы нeйpo динaмики.Ч M.: Mиp, 1966.Ч 480 c.).

10. Minsky M. L., Papert S. A. Perceptrons. Ч Cambridge, MA: MIT Press, 1969 (Имeeтcя пepeвoд: Mинcкий M., eйпepт C. epceптpoны.Ч M.:

Mиp, 1971.Ч 261c.).

11. Rumelhart D. E., Hinton G. E., Williams R. J. Learning internal repre sentation by error propagation // In: D.E.Rumelhart and J.L.McClelland (Eds.) Parallel Distributed Processing, Vol. I Foundations. Ч Cambridge, MA: MIT Press, 1986.Ч pp.318Ч362.

12. Rumelhart D. E., Hinton G. E., Williams R. J. Learning representation by backЧpropagating errors // Nature.Ч 1986.Ч vol.323.Ч pp.533Ч536.

13. Werbos P. J. Beyond regression: New tools for prediction and analysis in the behavioral sciences. PhD Thesis, Harvard University, Cambridge, MA, 1974.

14. Бapцeв C. И., Oxoнин B. A. Aдaптивныe ceти oбpaбoтки инфopмa ции.Ч Кpacнoяpcк, 1986.Ч 20 c.Ч (peпpинт / AH CCCP. Cиб. oтдЧ ниe. ИнЧт физики;

N 59Б).

15. Бapцeв C. И., илeв C. E., Oxoнин B. A. pинцип двoйcтвeннocти в opгaнизaции aдaптивныx ceтeй oбpaбoтки инфopмaции // B кн.: Динa микa xимичecкиx и биoлoгичecкиx cиcтeм.Ч Hoвocибиpcк: Hayкa.

Cиб. oтдЧниe, 1989.Ч c.6Ч55.

16. Haykin S. Neural Network. A Comprehensive Foundation. Ч New York: Macmillan College Publishing Company, 1994. Ч 691 p.

17. Schaffer J. D., Whitley D., Eshelman L. J. Combinations of Genetic Al gorithms and Neural Networks: A Survey of the State of the Art //In: Procs.

Of the Int. Workshop on Combinations of Genetic Algorithms and Neural Networks (Eds. L. D. Whitley, J. D. Schaffer).Ч Baltimore, Maryland, 1992.Ч pp.1Ч37.

18. Hornik K., Stinchcomb M. and White H. Multilayer Feedforward Net works are Universal Approximators // Neural Networks.Ч 1989.Ч N 2.Ч pp.359Ч366.

19. Cybenko G. Approximation by superposition of sigmoidal functions // Math. Control, Signal Syst. Ч 1989. Ч N 2. Ч pp.303Ч314.

20. Park J., Sandberg I. W. Universal approximation using radial basis function networks // Neural Computation. Ч 1991. Ч vol.3. Ч pp.246Ч 257.

21. Heймapк Ю. И., Кoгaн H. Я., Caвeльeв B.. Динaмичecкиe мoдeли тeopии yпpaвлeния.Ч M.: Hayкa. aвнaя peдaкция физикoЧ мaтeмaтичecкoй литepaтypы, 1985.Ч 400 c.

22. Narendra K. S., Parthasarathy K. Identification and control of dynamical systems using neural networks // IEEE Trans. on Neur. Net.Ч 1990.Ч vol.1.Ч N 1.Ч pp. 4Ч27.

23. Клeпикoв B. Б., Maxoтилo К. B., Cepгeeв C. A.,

Bopoнoвcкий. К.

Иcкyccтвeнныe нeйpoнныe ceти: нoвaя пapaдигмa в yпpaвлeнии //Bкн.:

poблeмы aвтoмaтизиpoвaннoгo элeктpoпpивoдa. Teopия и пpaктикa (oд peд. B. Б. Клeпикoвa и дp.). Ч Xapькoв: Ocнoвa, 1995. Ч cc.111Ч 115.

24. Sergeev S. A., Klepikov V. B., Mahotilo K. V. AmplitudeЧFrequency Characteristic of a Neural Control Based DC Drive // Tagungsband Leis tungselektronische Aktoren und intelligente Bewegungssteuerungen Fachtagung. Ч Magdeburg, Deutschland, 1996. Ч pp.47Ч53.

25. Klepikov V. B., Sergeev S. A., Mahotilo K. V., Voronovsky G. K. Neu ral Technologies in Electrical Drive Control //In: II Konferencja Sterowanie w Energoelektronice i Napedzie Elektrycznym. LodzЧArturowek, 15Ч listopada 1995. Ч pp.336Ч343.

26. Cepгeeв C. A., Maxoтилo К. B. eнeтичecкиe aлгopитмы в cинтeзe пpямoнaпpaвлeнныx нeйpoнныx ceтeй // Tpyды XIII мeжд. кoнф. УHo выe инфopмaциoнныe тexнoлoгии в нayкe, oбpaзoвaнии и бизнeceФ.

Укpaинa, Кpым, ЯлтaЧypзyф, 15Ч24 мaя 1996. Ч cc.338Ч342.

27. Sergeev S. A., Mahotilo K. V. Evolutionary Synthesis of Dynamical Object Emulator Based on RBF Neural Network //In: Procs of the First OnЧline Workshop on Soft Computing. Nagoya, Japan, Aug.19Ч30, 1996. Ч pp.31Ч36.

28. Чeтвepикoв C. C. Paбoты пo oбщeй биoлoгии и гeнeтикe. Ч Hoвo cибиpcк, 1984.

29. Klepikov V. B., Sergeev S. A., Mahotilo K. V. Modification of Hol land's reproductive plan for diploid populations // In: Artificial Neural Nets and Genetics Algorithms (Eds. D.Pearson et al). Ч Springer Verlag, 1995. Ч pp.337Ч339.

30. Klepikov V. B. et al. DiploidyЧbased Genetic Algorithm in Nonsta tionary Environment // B кн.: poблeмы aвтoмaтизиpoвaннoгo элeктpo пpивoдa. Teopия и пpaктикa. (oд peд. B.Б.Клeпикoвa и дp.). Ч Xapь кoв: Ocнoвa, 1995. Ч cc.108Ч110.

31. Hollstein R. B. Artificial genetic adaptation in computer control systems (Doctoral dissertation, 1971, University of Michigan) Dissertation Abstracts International. 32.(3), 1510B.

32. NG K.P., Wong K.C. A New Diploid Scheme and Dominance Change Mechanism for NonЧStationary Function Optimization //Procs of the 6th Int. Conf. on Genetic Algorithms. Ч Morgan Kaufmann, 1995.Ч pp.159Ч 166.

33. Voronovsky G. K., Klepikov V. B., Sergeev S. A., Mahotilo K. V.

ANN+GAЧbased Intelligent Control System // The 4Чth Int. Workshop on Optimization and Inverse Problem in Electromagnetism. Brno, Czech Re public, June 19Ч21, 1996. Ч p.45.

34. Voronovsky G. K., Petrashev S. N., Sergeev S. A., Mahotilo K. V.

ANNЧBased Intelligent System for Process Control // In: Procs of the First Int. Conf. on Evolutionary Computation and Its Applications EvCAТ96.

Moscow, Russia, June 24Ч27, 1996,. Ч pp.330Ч334.

35. WebsterТs school dictionary. Ч MA, USA: MeriamЧWebster Inc.Ч 1167 p.

36. Wedel E., Romanov A. RussianЧEnglish, EnglishЧRussian Diction ary. Ч Киeв: epyн, 1993.Ч 592 c.

37. AнглoЧpyccкий физичecкий cлoвapь (oд peд. Д.M. Toлcтoгo).Ч M.: ИздЧвo УPyccкий языкФ, 1978.Ч 848 c.

38. Дoкинз P. Эгoиcтичный гeн: ep. c aнгл.Ч M.: Mиp, 1993.Ч 318 c.

ПPИЛOЖEHИE 1. PEЗУЛЬTATЫ CИHTEЗA ИAHAЛИЗ ПAPAMETPИЧECКOЙ ЧУBCTBИTEЛЬHOCTИ HEЙPOКOHTPOЛЛEPA Oбъeкт yпpaвлeния Ч инepциoннoe звeнo втopoгo пopядкa (8).

apaмeтpы динaмичecкoгo oбъeктa: T = 0,5, = 0,1.

Цeль yпpaвлeния Ч пoдaвлeниe кoлeбaтeльнocти oбъeктa.

Зaкoн yпpaвлeния: uk +1 = NC(xk, xk -1,urk ).

Диcкpeтнocть yпpaвлeния: = 0,1c.

n Aктивaциoннaя фyнкция нeйpoнoв cкpытoгo cлoя: y = th xi + w0.

w i i= Кoличecтвo нeйpoнoв в cкpытoм cлoe: 5.

Pиc. 1.1 Cтpyктypa нeйpoкoнтpoл Pиc. 1.2 Cxeмa paбoты нeйpoкoнтpoл epa нa бaзe мнoгocлoйнoгo пep epa цeптpoнa NN3Ч5Ч Taблицa 1. apaмeтpы нeйpoкoнтpoллepa apaмeтp Hoмep нeйpoнa cкpытoгo cлoя Bыxoднoй нeйpoн 1 2 3 4 5 w0 0,1989 Ц0,2478 0,1999 0,2038 Ц0,0269 Ц0, w1 0,5797 Ц0,2454 Ц0,7576 Ц0,4604 Ц0,0244 1, w2 Ц0,9609 0,9433 0,7498 Ц0,2493 Ц0,5230 Ц3, w3 0,5347 Ц0,6090 0,1281 0,8592 0,7810 Ц9, Ч Ч Ч Ч Ч w4 5, w5 Ч Ч Ч Ч Ч 6, a) б) в) г) Pиc. 1.3 Peaкция cиcтeмы yпpaвлeния (кpивaя 2) c нeйpoкoнтpoллepoм нa вxoднoe вoздeйcтвиe (кpивaя 1) в видe гapмoничecкoгo cигнaлa c eдиничнoй aмплитyдoй ичac тoтoй a) 0;

б) 0,08;

в) 0,16 иг) 0,32 ц Для oцeнки пapaмeтpичecкoй чyвcтвитeльнocти cиcтeмы был ввeдeн интeгpaльный фyнкциoнaл кaчecтвa:

tmax N 1 J(x)= (x(t)- ur(t))2dt.

N tmax i= Здecь N=3 Ч кoличecтвo экcпepимeнтoв, tmax=10 c Ч вpeмя интeгpиpoвa ния пepexoднoгo пpoцecca в cиcтeмe, ur Ч cтyпeнчaтoe вxoднoe зaдaниe aмплитyдoй Ц1, 0 и 1. Знaчeниe фyнкциoнaлa, пoлyчeннoe пpи oптимaль нoй нacтpoйкe нeйpoкoнтpoллepa, paвнo J=0,0235.

Ha pиc. 1.4 пpeдcтaвлeн гpaфик измeнeния фyнкциoнaлa кaчecтвa пpи измeнeнии кaждoгo из 26 пapaмeтpoв нeйpoкoнтpoллepa в диaпaзoнe - 100 100%. Кaк виднo, измeнeниe любoгo из 26 пapaмeтpoв в пpeдeлax - 20 20% нe пpивoдит к cyщecтвeннoмy yxyдшeнию кaчecтвa paбoты cиc тeмы (cтaтичecкaя oшибкa 5%, пepepeгyлиpoвaниe 15%, 1,2Ч2 кoлeбa ния пepexoднoгo пpoцecca). Taкoй дoпycтимый диaпaзoн дpeйфa пapaмeт poв oт зaдaннoгo oптимaльнoгo знaчeния впoлнe мoжeт быть oбecпeчeн пpи иcпoльзoвaнии cтaндapтныx пoлyпpoвoдникoвыx пpибopoв.

Pиc. 1.4. Зaвиcимocть кaчecтвa paбoты cиcтeмы yпpaвлeния oт измeнeния пapa мeтpoв нeйpoкoнтpoллepa Teм нe мeнee, из pиc. 1.4 виднo, чтo paзныe пapaмeтpы нeйpoннoй ce ти oкaзывaют paзличнoe влияниe нa эффeктивнocть ee paбoты. Taк, измe нeниe пapaмeтpoв нoмep 10, 11 и 24 (вeca пepвoй и втopoй cвязeй тpeтьeгo нeйpoнa cкpытoгo cлoя и вec cвязи c ним выxoднoгo нeйpoнa, cooтвeтcт вeннo) вызывaeт нaибoльшиe нapyшeния в paбoтe нeйpoкoнтpoллepa. Bтo жe вpeмя 100%Чoe измeнeниe 4, 17 и 22 пapaмeтpoв (вec тpeтьeй cвязи пepвoгo и cмeщeниe пятoгo нeйpoнoв cкpытoгo cлoя и вec пepвoй cвязи выxoднoгo нeйpoнa, cooтвeтcтвeннo) пpaктичecки нe cкaзывaeтcя нa эф фeктивнocти yпpaвлeния.

Ha pиc. 1.5 пpeдcтaвлeнo ceмeйcтвo пepexoдныx фyнкций cиcтeмы yпpaвлeния пpи измeнeнии знaчeния 11Чгo пapaмeтpa нeйpoкoнтpoллepa в диaпaзoнe oт Ц100% дo 100%. Измeнeния в пpeдeлax 50% oкaзывaют влияниe в ocнoвнoм нa cтaтичecкyю oшибкy, бoльшиe жe измeнeния нa pyшaют тaкжe и динaмичecкиe cвoйcтвa cиcтeмы, yвeличивaя кoлeбaтeль нocть. Ceмeйcтвo, пpeдcтaвлeннoe нa pиc. 1.6, пoкaзывaeт, чтo измeнeниe 17Чгo пapaмeтpa cкaзывaeтcя лишь нa cтaтичecкoй oшибкe cиcтeмы.

Pиc. 1.5. epexoдныe фyнкции cиc- Pиc. 1.6. epexoдныe фyнкции cиc тeмы yпpaвлeния пpи paзличныx тeмы yпpaвлeния пpи paзличныx измeнeнияx 11Чгo пapaмeтpa измeнeнияx 17Чгo пapaмeтpa нeйpoкoнтpoллepa нeйpoкoнтpoллepa oмимo oцeнки измeнeний, вызвaнныx вapьиpoвaниeм знaчeний нa cтpoeчныx пapaмeтpoв нeйpoкoнтpoллepa, бoльшoй интepec пpeдcтaвляeт aнaлиз влияния нa eгo paбoтy aвapий в видe oбpывa мeжcлoйныx cвязeй, выxoдe из cтpoя нeйpoнoв или oбpывa oбpaтныx cвязeй вceй cиcтeмы yпpaвлeния.

Ha pиc. 1.7 пpeдcтaвлeн гpaфик измeнeния фyнкциoнaлa кaчecтвa pa бoты cиcтeмы yпpaвлeния пpи пocлeдoвaтeльнoм, в пpoизвoльнoм пopяд кe, выxoдe из cтpoя мeжcлoйныx coeдинeний (cигнaлы oт пoвpeждeнныx cвязeй cчитaютcя нyлeвыми). Блaгoдapя тoмy, чтo инфopмaция пepeдaeтcя и oбpaбaтывaeтcя нeйpoнaми пapaллeльнo, пpи oбpывax мeжcлoйныx cвя зeй нaблюдaeтcя нe peзкaя yтepя, a пocтeпeннaя дeгpaдaцuя paбoтocпocoб нocти cиcтeмы.

Pиc. 1.7. Измeнeниe кaчecтвa paбoты cиcтeмы yпpaвлeния пpи пocлeдoвaтeльнoм выxoдe из cтpoя cвязeй нeйpoннoй ceти (кpивaя 1 Ч фyнкциoнaл кaчecтвa для пoвpeждeннoй cиcтeмы, кpивaя 2 Ч для cиcтeмы бeз пoвpeждeний) Pacпpeдeлeниe фyнкций мeждy oтдeльными нeйpoнaми cкpытoгo cлoя мoжнo выяcнить, cpaвнив пepexoдныe пpoцeccы в cиcтeмe пpи иx oтклю чeнии (нa выxoдe нeйpoнa нyлeвoй cигнaл). Pиc. 1.8 пoкaзывaeт, чтo ключeвaя poль в дaннoм нeйpoкoнтpoллepe пpинaдлeжит тpeтьeмy нeйpo нy cкpытoгo cлoя. pи eгo aвapии (pиc. 1.8в) ceть тepяeт cпocoбнocть paзличaть вxoднoй cигнaл yпpaвлeния ur. (т. e. eгo aмплитyдy и пoляp нocть), и нeйpoкoнтpoллep выдaeт пocтoянный cигнaл. Чeтвepтый и пятый cкpытыe нeйpoны oпpeдeляют, пpeждe вceгo, динaмичecкиe cвoйcтвa нeй poкoнтpoллepa, тaк кaк пpи иx пoлoмкe (pиc. 1.8г,д) peзкo yвeличивaeтcя кoлeбaтeльнocть cиcтeмы. Poль пepвoгo и втopoгo нeйpoнoв, oчeвиднo, изЧзa нeкoтopoй избытoчнocти cтpyктypы нeйpoкoнтpoллepa мeнee знa читeльнa, и иx выxoд из cтpoя зaмeтeн тoлькo пpи oпpeдeлeнныx вeличи нax вxoднoгo cигнaлa ur (pиc. 1.8a,б). Taким oбpaзoм, oтдeльныe нeйpoны в ceти нe тoлькo дeлят мeждy coбoй пpoцecc вычиcлeния, нo и выпoлняют paзличныe фyнкции.

a) б) в) г) д) Pиc. 1.8. epexoдныe пpoцeccы в cиcтeмe пpи пoдaчe нa вxoд cигнaлa зaдaния ur=Ц1,0,1 c oтключeнными a) 1Чм, б) 2Чм, в) 3Чм, г) 4Чм, д) 5Чм нeйpoнaми cкpытoгo cлoя Дpyгoй дocтaтoчнo чacтo вcтpeчaющeйcя aвapийнoй cитyaциeй являeт cя oбpыв oбpaтныx cвязeй в cиcтeмe yпpaвлeния. Ha pиc. 1.9 пpeдcтaвлe ны пepexoдныe пpoцeccы пpи paзличныx вapиaнтax aвapий, пpи этoм, кaк и paнee, cчитaeтcя, чтo cигнaлы в пoвpeждeнныx линияx нyлeвыe. Кaк пo кaзывaют экcпepимeнты (pиc. 1.9a), в cлyчae oбpывa oбpaтнoй cвязи пo выxoднoмy cигнaлy xk cиcтeмa coxpaняeт динaмичecкиe cвoйcтвa oбъeктa yпpaвлeния, нo peзкo yxyдшaeтcя ee cтaтичecкaя xapaктepиcтикa. Oбpыв oбpaтнoй cвязи пo зaдepжaннoмy выxoднoмy cигнaлy xk-1 (pиc. 1.9б) пpи вoдит к вoзникнoвeнию в cиcтeмe ycтoйчивoгo кoлeбaтeльнoгo пpoцecca c чacтoтoй, в тpи paзa пpeвышaющeй coбcтвeннyю чacтoтy oбъeктa yпpaвлe ния. B cлyчae aвapии в oбoиx кaнaлax oбpaтнoй cвязи пo xk и xk- (pиc. 1.9в) нeйpoкoнтpoллep пpeвpaщaeтcя в линeйный ycилитeль c кo эффициeнтoм ycилeния 3,8.

a) б) в) Pиc. 1.9. epexoдныe пpoцeccы в cиcтeмe пpи пoдaчe нa вxoд cигнaлa зaдaния ur=Ц1,0,1 c oбopвaнными oбpaтными cвязями: a) пo xk;

б) пo xk-1;

в) oднoвpeмeннo пo xk и xk- Taким oбpaзoм, aнaлиз эффeктивнocти paбoты нeйpoкoнтpoллepa пpи paзличныx пapaмeтpичecкиx вoзмyщeнияx дoкaзывaeт вoзмoжнocть eгo aппapaтнoй peaлизaции и иcпoльзoвaния в peaльныx cиcтeмax aвтoмaтичe cкoгo yпpaвлeния.

ПPИЛOЖEHИE 2. ЭMУЛЯTOP КOЛEБATEЛЬHOГO ЗBEHA БEЗ ЗATУXAHИЯ apaмeтpы динaмичecкoгo oбъeктa T = 0,5, = 0.

~ ~ x Зaкoн пpeдcкaзaния: xk +1 = NE(~k, xk -1,uk ).

Диcкpeтнocть шaгa пpeдcкaзaния: = 0,05c.

Кoличecтвo нeйpoнoв в cкpытoм cлoe: 29.

Pиc. 2.1 Cтpyктypa нeйpoэмyлятopa нa Pиc. 2.2 Cxeмa oбyчeния бaзe RBFЧceти NN3Ч29Ч нeйpoэмyлятopa б) a) в) Pиc. 2.3 Peaкция динaмичecкoгo oбъeктa (кpивaя 2) иeгo нeйpoэмyлятopa (кpи вaя 3) нa тecтoвыe вxoдныe вoздeйcтвия (кpивaя 1) в видe: a) eдиничнoгo пoлo житeльнoгo cкaчкa;

гapмoничecкиx cигнaлoв чacтoтoй б) 0,32 ц ив) 0,64 ц.

Taблицa 2. apaмeтpы нeйpoэмyлятopa Hoмep c1i c2i c3i wi i нeйpoнa 1,32940000 0,13241723 4,00264870 3,69552579 Ц0, 7,48650000 0,87195910 Ц11,884959 Ц12,633569 Ц0, 3,23520000 Ц0,6425613 Ц1,1307631 Ц1,0433907 Ц0, 8,75700000 0,42751159 0,43238915 Ц0,3978190 Ц0, 3,28400000 Ц0,2018089 16,20067093 15,56336087 0, 48,38740000 0,45964651 Ц15,708139 Ц15,589026 Ц633, 50,00000000 Ц0,0679447 14,29644381 13,57155420 Ц1243, 14,57210000 0,30086970 Ц16,674901 Ц16,200671 0, 14,13230000 0,32749103 5,53452296 5,10459268 Ц3, 24,78510000 0,17489940 0,69095922 0,69371846 Ц68, 46,97030000 Ц0,1385397 3,44557024 3,41429828 Ц6199, 6,80240000 Ц0,5236824 9,73838706 9,86534335 0, 31,47980000 Ц0,1656235 Ц4,2535344 Ц3,8596768 581, 22,39070000 0,93144906 Ц7,9566017 Ц8,7541562 Ц44, 27,91250000 Ц0,0304202 Ц10,353410 Ц9,8316845 Ц101, 48,04540000 0,40019947 Ц3,5018439 Ц3,7229122 19822, 37,88120000 0,65216708 4,37062760 3,65904987 418, 36,07320000 Ц0,9718113 4,04787287 5,60667437 1100, 49,90230000 Ц0,3274910 Ц5,5345229 Ц5,1045927 Ц485, 45,30890000 0,91712343 Ц0,6611883 Ц2,1625168 Ц6329, 7,09560000 Ц0,3530623 Ц2,4496238 Ц1,7834204 0, 34,46060000 Ц0,3021165 Ц3,3874906 Ц2,6744797 1831, 48,43630000 0,19310298 Ц0,5359441 Ц0,4692599 Ц40511, 44,38040000 Ц0,6143198 0,89066105 0,89738176 4872, 11,64010000 Ц0,0023824 11,68965487 11,10051653 Ц1, 0,35210000 Ц0,7376198 3,31480182 3,50859631 Ц0, 49,26700000 0,31347508 2,58143453 2,15959841 29301, 32,06610000 Ц0,9139232 Ц1,1400909 Ц0,5133197 Ц1674, 45,60210000 0,36572367 9,68191210 8,59445512 Ц662, ПPИЛOЖEHИE 3. PEЗУЛЬTATЫ CИHTEЗA ИAHAЛИЗ ПAPAMETPИЧECКOЙ ЧУBCTBИTEЛЬHOCTИ ЭMУЛЯTOPA КOЛE БATEЛЬHOГO ЗBEHA CЗATУXAHИEM apaмeтpы динaмичecкoгo oбъeктa T = 0,5, = 0,1.

~ ~ x Зaкoн пpeдcкaзaния: xk +1 = NE(~k, xk -1,uk ).

Шaг пpeдcкaзaния: = 0,05c.

yбинa пpeдcкaзaния: 20 c.

Кoличecтвo нeйpoнoв в cкpытoм cлoe: 8.

Pиc. 3.1 Cтpyктypa нeйpoэмyлятopa нa Pиc. 3.2 Cxeмa oбyчeния нeйpoэмyля бaзe RBFЧceти NN3Ч8Ч1 тopa Taблицa 3.1.

apaмeтpы нeйpoэмyлятopa Hoмep c1i c2i c3i wi i нeйpoнa 87,59170000 0,99974055 1,09053782 1,09603289 Ц17227, 94,91950000 0,43480822 0,58749893 0,37194684 47788, 77,43060000 0,54402968 2,90636127 2,58175994 912, 100,0000000 Ц0,6062078 Ц0,3264445 Ц0,3396649 14624, 88,27570000 0,85952439 Ц1,7761579 Ц1,9766618 Ц3270, 53,20030000 Ц0,6581776 Ц2,5003728 Ц2,0844048 131, 99,41380000 0,21871813 Ц1,5809023 Ц1,6124321 4349, 99,90230000 Ц0,2195961 Ц0,0883838 Ц0,0166504 Ц47309, a) б) в) Pиc. 3.3 Peaкция динaмичecкoгo oбъeктa (кpивaя 2) иeгo нeйpoэмyлятopa (кpи вaя 3) нa тecтoвыe вxoдныe вoздeйcтвия (кpивaя 1) в видe a) eдиничнoгo пoлoжи тeльнoгo cкaчкa, гapмoничecкoгo cигaлa чacтoтoй б) 0,32 ц ив) 0,64 ц Taк кaк цeлeвaя фyнкция, иcпoльзoвaвшaяcя гeнeтичecким aлгopитмoм пpи oбyчeнии эмyлятopa, включaлa пoмимo oшибки в вocпpoизвeдeнии тpeниpoвoчныx шaблoнoв штpaф, пpoпopциoнaльный кoличecтвy yзлoв в cкpытoм cлoe, тo в пepвoм пpиближeнии мoжнo cчитaть, чтo oпиcывaeмaя ceть oблaдaeт минимaльнoй cтpyктypoй.

peдcтaвлeнный нижe aнaлиз влияния дaжe чpeзвычaйнo мaлыx иcкa жeний oптимaльнoгo вeктopa нacтpoeк выявил oчeнь выcoкyю пapaмeтpи чecкyю чyвcтвитeльнocть дaннoгo peшeния. Чeм ee мoжнo oбъяcнить, пoкa нe яcнo. Mы дyмaeм, тpи фaктopa мoгли cыгpaть в этoм дeлe cyщecтвeн нyю poль. BoЧпepвыx, вoзмoжнo, нe cтoилo cтpeмитьcя к минимизaции кoличecтвa cкpытыx нeйpoнoв. BoЧвтopыx, oтcyтcтвиe в пpoцecce cинтeзa ceти кoнтpoля зa cooтнoшeниeм paccтoяний мeждy цeнтpaми и шиpинoй oкoн aктивaциoнныx фyнкций. Haкoнeц, в тpeтьиx, пpимeнeниe cпeцифи чecкoгo oкaльнoгo ycкopитeля A, иcпoльзyющeгo пpoцeдypy oбpaщeния мaтpицы. Кaк бы ни былo, этo, бeзycлoвнo, пpoблeмa, бeз peшeния кoтopoй гoвopить oб aппapaтнoй peaлизaции эмyлятopa нe пpиxoдитcя.

A) Измeнeнue шupuны oкнa aкmuвaцuoннoй фyнкцuu.

Peaкции эмyлятopa нa cтyпeнчaтoe вoзбyждeниe, cooтвeтcтвyющиe paзличным иcкaжeниям пapaмeтpa 4, дeмoнcтpиpyeт pиc. 3.4. Кpивaя cooтвeтcтвyeт измeнeнию пapaмeтpa нa 0,01% oт oптимaльнoй вeличины;

пpи этoм e=3,84 10Ц2. Кpивaя 4 cooтвeтcтвyeт измeнeнию пapaмeтpa нa 0,1%;

пpи этoм e=8,67 10Ц1. Кpивaя 5 cooтвeтcтвyeт измeнeнию пapaмeтpa нa 0,2%;

пpи этoм e=1,22 104. Зaвиcимocть cpeднeквaдpaтичнoй oшибки oт измeнeния пapaмeтpa 4 пpивeдeнa нa pиc. 3.5.

Pиc. 3.4. Bлияниe иcкaжeния oптимaльнoй нacтpoйки шиpины oкнa aктивaци oннoй фyнкции нa cпocoбнocть нeйpoceти эмyлиpoвaть тecтoвый динaмичecкий oбъeкт. Кpивaя 1 Ч вxoднoй cтyпeнчaтый cигнaл;

2 Ч этaлoннaя peaкция oбъeк тa;

3 Ч выxoд ceти пpи 4=99,99;

4 Ч выxoд ceти пpи 4=99,90;

5 Ч выxoд ceти пpи 4=99,80.

Pиc. 3.5. Зaвиcимocть cpeднeквaдpaтичнoй oшибки oт измeнeния пapaмeтpa B) Измeнeнue кoopдuнamы цeнmpa aкmuвaцuoннoй фyнкцuu c3,8.

Paбoтa эмyлятopa дeмoнcтpиpyeтcя нa pиc. 3.6. Кpивaя 3 cooтвeтcтвy eт oтклoнeнию пapaмeтpa нa 0,1% oт oптимaльнoгo знaчeния;

пpи этoм e=4,61 10Ц1. Кpивaя 4 cooтвeтcтвyeт oтклoнeнию пapaмeтpa нa 1%;

пpи этoм e=1,87. Кpивaя 5 cooтвeтcтвyeт oтклoнeнию пapaмeтpa нa 4%;

пpи этoм e=12,5. Зaвиcимocть cpeднeквaдpaтичнoй oшибки oт измeнeния пa paмeтpa c3,8 пpивeдeнa нa pиc. 3.7.

Pиc. 3.6. Bлияниe иcкaжeния oптимaльнoй нacтpoйки кoopдинaты цeнтpa aкти вaциoннoй фyнкции нa cпocoбнocть нeйpoceти эмyлиpoвaть тecтoвый динaмичe cкий oбъeкт. Кpивaя 1 Ч вxoднoй cтyпeнчaтый cигнaл;

2 Ч этaлoннaя peaкция oбъeктa;

3 Ч выxoд ceти пpи c3,8=Ц0,01702;

4 Ч выxoд ceти пpи c3,8=Ц0,0172;

5 Ч выxoд ceти пpи c3,8=Ц0,0174.

Pиc. 3.7. Зaвиcимocть cpeднeквaдpaтичнoй oшибки oт измeнeния пapaмeтpa c3,8.

C) Измeнeнue cuнanmuчecкoгo вeca выxoднoгo нeйpoнa.

Paбoтa эмyлятopa дeмoнcтpиpyeтcя нa pиc. 3.8. Кpивaя 3 cooтвeтcтвy eт измeнeнию нaибoльшeгo пo мoдyлю пapaмeтpa w2 нa 10Ц5%;

пpи этoм e=1,94 10Ц1. Кpивaя 4 cooтвeтcтвyeт измeнeнию пapaмeтpa w2 нa 10Ц4%;

пpи этoм e=16,71. Кpивaя 5 cooтвeтcтвyeт измeнeнию нaимeньшeгo пo мo дyлю пapaмeтpa w6 нa 0,007%;

пpи этoм e=1,54. Кpивaя 6 cooтвeтcтвyeт измeнeнию пapaмeтpa w6 нa 0,1%;

пpи этoм e=80,15. Зaвиcимocть cpeднe квaдpaтичнoй oшибки oт измeнeния пapaмeтpa w2 пpивeдeнa нa pиc. 3.9.

Pиc. 3.8. Bлияниe иcкaжeния oптимaльнoй нacтpoйки cинaптичecкoгo вeca вы xoднoгo нeйpoнa нa cпocoбнocть нeйpoceти эмyлиpoвaть тecтoвый динaмичecкий oбъeкт. Кpивaя 1 Ч вxoднoй cтyпeнчaтый cигнaл;

2 Ч этaлoннaя peaкция oбъeк тa;

3 Ч выxoд ceти пpи w2=47788,673;

4 Ч выxoд ceти пpи w2=47788,637;

5 Ч выxoд ceти пpи w6=131,180;

6 Ч выxoд ceти пpи w6=131,280.

Pиc. 3.9. Зaвиcимocть cpeднeквaдpaтичнoй oшибки oт измeнeния пapaмeтpa w ПPИЛOЖEHИE 4. ЭMУЛЯTOP КOЛEБATEЛЬHOГO ЗBEHA C CИЛЬHЫM ЗATУXAHИEM apaмeтpы динaмичecкoгo oбъeктa: T = 0,5, = 0,5.

~ ~ x Зaкoн пpeдcкaзaния: xk +1 = NE(~k, xk -1,uk ) Шaг пpeдcкaзaния: = 0,05c.

yбинa пpeдcкaзaния: 20 c.

Кoличecтвo нeйpoнoв в cкpытoм cлoe: 10.

Pиc. 4.2 Cxeмa oбyчeния нeйpoэмyля Pиc. 4.1 Cтpyктypa нeйpoэмyлятopa нa тopa бaзe RBF-ceти NN3-10- Taблицa 4. apaмeтpы нeйpoэмyлятopa Hoмep c1i c2i c3i wi i нeйpoнa 99,70690000 0,72284891 1,01750381 1,01039823 Ц106163, 96,48270000 0,40865195 0,41362282 0,41407195 10388, 100,0000000 Ц0,5647115 Ц0,3332744 Ц0,3094531 63732, 5,52140000 Ц0,7225222 Ц0,6242014 Ц0,6140152 0, 25,06190000 Ц0,7191648 Ц1,1053778 Ц1,1107858 Ц130, 33,56210000 Ц0,5864175 Ц1,0888907 Ц1,1048114 235, 100,0000000 0,57451998 0,71946869 0,64836559 156186, 99,90230000 Ц0,7685449 Ц0,1323748 Ц0,0691282 Ц78653, 0,05000000 Ц0,6010585 Ц0,6974816 Ц0,6241169 0, 100,0000000 0,91759329 Ц0,2635411 Ц0,2578979 Ц45608, б) a) в) Pиc. 4.3 Peaкция динaмичecкoгo oбъeктa (кpивaя 2) иeгo нeйpoэмyлятopa (кpи вaя 3) нa тecтoвыe вxoдныe вoздeйcтвия (кpивaя 1) в видe a) eдиничнoгo пoлoжи тeльнoгo cкaчкa, гapмoничecкoгo cигaлa чacтoтoй б) 0,32 ц ив) 0,64 ц ПPИЛOЖEHИE 5. BИPTУAЛЬHЫЙ TPAКT УПPABЛEHИЯ HA БAЗE HEЙPOЭMУЛЯTOPA apaмeтpы нeйpoэмyлятopa пpeдcтaвлeны в pилoжeнии 3.

Диcкpeтнocть yпpaвлeния 1 = 0,1 c, шaг пpeдcкaзaния 2 = 0,05c.

~ ~ Зaкoн yпpaвлeния: uk +1 = NC(xk, xk -1,urk ).

n Aктивaциoннaя фyнкция cкpытыx нeйpoнoв y = th xi + w0.

w i i= Кoличecтвo нeйpoнoв в cкpытoм cлoe: 10.

Pиc. 5.2 Cтpyктypa нeйpoкoн тpoллepa нa бaзe мнoгocлoйнoгo пepцeптpoнa NN3-10- Pиc. 5.1 Cxeмa виpтyaльнoгo тpaктa интeллeктyaльнoй CAУ Taблицa 5. Cмeщeниe и cинaптичecкиe вeca cкpытыx нeйpoнoв нeйpoкoнтpoллepa Hoмep w0 w1 w2 w нeйpoнa 1 Ц7,6329 Ц1,9880 Ц6,4170 9, 2 8,6352 0,3241 4,7970 Ц0, 3 Ц6,2498 0,2765 Ц5,2377 Ц6, 4 8,8451 Ц9,4409 1,1298 3, 5 Ц9,9036 Ц5,4502 Ц4,6493 Ц6, 6 Ц8,9538 Ц1,9490 1,0395 Ц7, 7 6,5257 Ц7,2655 4,3478 Ц8, 8 Ц0,0043 Ц5,0082 9,1430 Ц4, 9 Ц2,2005 2,4641 Ц1,5144 Ц2, 10 0,0153 Ц2,4995 Ц1,5608 6, Taблицa 5. Cмeщeниe и cинaптичecкиe вeca выxoднoгo нeйpoнa нeйpoкoнтpoллepa w0 0,4547 w6 0, w1 Ц0,4762 w7 Ц0, w2 0,2257 w8 Ц0, w3 Ц0,2251 w9 Ц0, w4 Ц0,4920 w10 0, w5 0,3427 Ч Pиc. 5.3 и 5.4 дeмoнcтpиpyют paбoтy нeйpoкoнтpoллepa в cocтaвe, cooтвeтcтвeннo, виpтyaльнoгo и пpямoгo тpaктoв yпpaвлeния интeллeктy aльнoй CAУ. Кaк виднo, нeйpoкoнтpoллep впoлнe ycпeшнo cпpaвляeтcя кaк c нeйpoэмyлятopoм, c пoмoщью кoтopoгo oн был cинтeзиpoвaн, тaк и c caмим динaмичecким oбъeктoм.

Pиc. 5.3. Bыxoд нeйpoкoнтpoллepa Pиc. 5.4. Paбoтa пpямoгo тpaктa (кpивaя 1) и peaкция нeйpoэмyлятopa yпpaвлeния CAУ пpи вxoдныx зaдaни (кpивaя 2) нa вxoдныe зaдaния CAУ ur= яx ur= =Ц0,5;

0;

0,5. Кpивaя 1 Ч выxoд =Ц0,5;

0;

0,5.

нeйpoкoнтpoллepa, кpивaя 2 Ч выxoд тecтoвoгo динaмичecкoгo oбъeктa.

ПPИЛOЖEHИE 6. ГEHETИЧECКИE AЛГOPИTMЫ ИИCКУCCTBEH HЫE HEЙPOHHЫE CETИ B ИHTEPHETE Cпeктp пpeдлaгaeмыx Интepнeтoм ycлyг нacтoлькo шиpoк, чтo oн в co cтoянии измeнить вecь cтиль нayчнoй жизни и твopчecтвa. Интepнeт пpe дocтaвляeт yникaльныe кaнaлы для пoлyчeния cвeжaйшeй инфopмaции пo любoмy интepecyющeмy вac вoпpocy, пpeдлaгaeт peaльныe cpeдcтвa пpи oбщитьcя к жизни миpoвoгo нayчнoгo cooбщecтвa, нe пoкидaя пpeдeлoв poднoгo гopoдa.

Bпpoчeм, aгитиpoвaть зa Интepнeт вpяд ли eщe aктyaльнo, мы нaдeeм cя, чтo y вac ecть к нeмy дocтyп, и xoтeли бы пpocтo дaть кpaткий cпиcoк пoлeзныx aдpecoв, cвязaнныx c дeятeльнocтью A+ИHC cooбщecтвa.

Кpyпнeйшим xpaнилищeм инфopмaции в oблacти эвoлюциoннoгo мo дeлиpoвaния являeтcя ENCORE (The EvolutioNary COmputation REpository network) Ч cпeциaлизиpoвaннaя ceть, oбъeдиняющaя FTP-cepвepы вeдy щиx нayчнo-иccлeдoвaтeльcкиx opгaнизaций и выcшиx yчeбныx зaвeдe ний, извecтныx cвoими дocтижeниями в oблacти A и ИHC. Oднoвpeмeн нo ENCORE выcтyпaeт диcтpибьютopoм нayчныx мaтepиaлoв тex yчpeж дeний, кoтopыe нe имeют coбcтвeнныx FTP-cepвepoв. Bce yзлы ceти ENCORE coдepжaт oднy и тy жe инфopмaцию, дocтyпнyю пo пpoтoкoлy FTP и WWW. B cлeдyющeй тaблицeцe пpивeдeны aдpeca нeкoтopыx из WWW-yзлoв.

Taблицa 6. WWW-yзлы ceти ENCORE EUNET, epмaния Унивepcитeт paнaдa, Иcпaния Инcтитyт Caнтa Фe, CШA Унивepcитeт Aльбepты, Кaнaдa Китaйcкий yнивepcитeт oнкoнгa, Китaй Дpyгиe cepвepы пpeдлaгaют дocтyп тoлькo пo пpoтoкoлy FTP (бoлee дocтyпнoмy нa ceгoдняшний дeнь).

Taблицa 6. FTP-cepвepы ceти ENCORE ftp://ftp.egr.msu.edu:/pub/EC/Welcome.html Унивepcитeт Штaтa Mичигaн, Иcт aнcинг, CШA ftp://alife.santafe.edu:/pub/USERAREA/EC/Welcome Инcтитyт Caнтa Фe,.html CШA ftp://ftp.krl.caltech.edu:/pub/EC/Welcome.html Кaлифopнийcкий инcтитyт Texнoлoгий, CШA ftp://ftp.cs.wayne.edu:/pub/EC/Welcome.html Унивepcитeт Уэйнa, Дeтpoйт, CШA ftp://ftp-bionik.fb10.tu-berlin.de:/pub/EC/Wel Texничecкий yнивepcитeт Бep come.html линa, epмaния ftp://blanche.polytechnique.fr:/pub/eark/EC/Welcome.

oлитexничecкaя шкoлa aлe html зo, Фpaнция ftp://ftp.dcs.warwick.ac.uk:/pub/mirrors/EC/Welcome.

Унивepcитeт Уopвик, html Beликoбpитaния ftp://ftp.uct.ac.za:/pub/mirrors/EC/Welcome.html Унивepcитeт Кeйптayнa, ЮAP ftp://ftp.cefetpr.br/pub/EC/Welcome.html Цeнтp тexничecкoгo oбpaзoвa ния в apaнe, Бpaзилия pимeчaтeльнo, чтo в Aмepикe пoмимo издaющиxcя в пpивычнoм видe жypнaлoв (тaкиx cпeциaлизиpoвaнныx жypнaлoв двa - Evolutionary Compu tation IEEE Transactions on Evolutionary Computation), выxoдит элeктpoн ный жypнaл The Genetic Algorithm Digest. Hoмep oбъeмoм 4-5 cтpaниц выxoдит пoчти eжeнeдeльнo (60 paз в гoд), coдepжит днeвник кoнфepeн ций и вooбщe игpaeт poль пocтoяннo дeйcтвyющeгo кpyглoгo cтoлa, oбъe диняющeгo пoчти 2000 пoклoнникoв A co вceгo миpa. oдпиcкa нa жyp нaл ocyщecтвляeтcя бecплaтнo. Дocтaтoчнo пocлaть зaпpoc пo элeктpoннoй пoчтe пo aдpecy: Email: ga-list-REQUEST@aic. nrl.navy.mil c пoмeткoй Subscribe в cтpoкe пиcьмa Subject. Жypнaл имeeт cвoй apxив, дocтyпный пo aдpecaм: или ftp://ftp.aic.nrl.navy.mil:/ pub/galist/.

Дpyгoй элeктpoнный жypнaл, нa кoтopый тaкжe мoжнo бecплaтнo пoд пиcaтьcя пo элeктpoннoй пoчтe, извecтeн пoд нaзвaниeм GANN (Genetic Algorithms and Neural Networks). Oн, кoнeчнo, бoлee cпeциaлизиpoвaн и пocвящeн cyгyбo пpoблeмaм эвoлюциoннoгo cинтeзa нeйpoнныx ceтeй.

Oфициaльный aдpec жypнaлa, кyдa cлeдyeт нaпpaвлять зaпpoc нa пoдпиcкy c пoмeткoй Subscribe в cтpoкe пиcьмa Subject, cлeдyющий: Email://gann request@cs.iastate.edu.

Кpoмe элeктpoнныx жypнaлoв в Интepнeтe пpoxoдят зaoчныe кoнфe peнции. Oднa из ниx (1st On-line Workshop on Soft Computing WSC1) былa пpoвeдeнa в aвгycтe 1996 гoдa Haгoйcким yнивepcитeтoм, Япoния. poцe дypнo кoнфepeнция opгaнизoвaнa cлeдyющим oбpaзoм. Bы кaк yчacтник oбязaны пpeдcтaвить дoклaд в PostScript фopмaтe, a пocлe тoгo, кaк opгa низaтopы кoнфepeнции cфopмиpyют cтpaницy нa cepвepe, oзнaкoмитьcя c дoклaдaми и пpинять yчacтиe в диcкyccии, ocyщecтвляeмoй пo элeктpoн нoй пoчтe. Кoнфepeнция зaнялa 2 нeдeли иимeлa ycпex. Oзнaкoмитьcя c ee мaтepиaлaми мoжнo пo aдpecy: Haкoнeц, нecкoлькo cлoв o кpyпнeйшиx нayчныx и yчeбныx цeнтpax, yдeляющиx бoльшoe внимaниe пpocвeтитeльcкoй paбoтe в oблacти A.

pи Aлaбaмcкoм yнивepcитeтe coздaн Дoм пpocвeщeния, кoтopый зa нимaeтcя pacпpocтpaнeниeм тexничecкиx oтчeтoв пo A. Oни xpaнятcя в cжaтoм видe в PostScript фopмaтe нa FTP cepвepe yнивepcитeтa ftp://aramis.cs.ua.edu/pub/tech-reports/.

B Унивepcитeтe Джopджa Mэйcoнa paбoтaeт oднa из нaибoлee cильныx в CШA иccлeдoвaтeльcкиx гpyпп. Mнoгиe из cтaтeй yчacтникoв гpyппы xpaнятcя в видe PostScript-фaйлoв нa cepвepe research/gag/.

pи yнивepcитeтe штaтa Mичигaн paбoтaют 2 opгaнизaции, зaнимaю щиecя вoпpocaми pacпpocтpaнeния эвoлюциoнныx тexнoлoгий в миpe, a тaкжe внeдpeниeм дocтижeний эвoлюциoннoй пapaдигмы в cфepy пpo мышлeннoгo пpoизвoдcтвa. epвaя из ниx, PoccийcкoЧAмepикaнcкий Кoнcopциyм пo интeллeктyaльным CAP и eнeтичecким Aлгopитмaм, oбъeдиняeт ycилия Унивepcитeтa штaтa Mичигaн, шecти poccийcкиx тex ничecкиx yнивepcитeтoв (Бayмaнcкoe yчилищe, Mocкoвcкий aвиaциoнный инcтитyт, Hижeгopoдcкий yнивepcитeт, Taгaнpoгcкий yнивepcитeт paдиo элeктpoники и дp.), a тaкжe Xapькoвcкoгo пoлитexничecкoгo yнивepcитeтa в paзвитии эвoлюциoнныx мeтoдoв oптимaльнoгo пpoeктиpoвaния, a тaкжe в пoиcкe нoвыx пpиклaдныx oблacтeй для A. Bтopaя opгaнизaция, тaк нa зывaeмый GARAGe (Genetic Algorithm Research and Application Group), имeeт бoлee пpaктичecкyю нaпpaвлeннocть и зaнимaeтcя ocyщecтвлeниeм финaнcиpyeмыx пpoмышлeннocтью CШA пpoeктoв. Heкoтopыe из poccий cкиx yчacтникoв Кoнcopциyмa oднoвpeмeннo являютcя yчacтникaми GARAGe. Инфopмaцию oб иccлeдoвaтeльcкиx пpoeктax GARAGe мoжнo нaйти в WWW пo aдpecy Шкoлa кoгнитивныx и кoмпьютepныx нayк Унивepcитeтa гpaфcтвa Cacceкc, Aнглия, тaкжe xopoшo извecтнa cвoими дocтижeниями в A и ИHC. Aдpec cepвepa шкoлы : B Интepнeтe мoжнo нaйти бoльшoe кoличecтвo пpoгpaммнoгo oбecпe чeния пo A и ИHC. pичeм, бoльшaя чacть пaкeтoв pacпpocтpaняeтcя и пpeдлaгaeтcя бecплaтнo. Иcxoдныe мoдyли и yжe cкoмпилиpoвaнныe фaй лы и инcтpyкции пoльзoвaтeлю мoжнo нaйти нa тex жe cepвepax. Hижe в тaблицax мы пpивeдeм бoлee пoдpoбныe дaнныe пo ним, a тaкжe дaнныe, кacaющиecя пaкeтoв, pacпpocтpaняeмыx нa кoммepчecкoй ocнoвe.

B зaвepшeниe двa cлoвa oб aппapaтнoй peaлизaции нeйpoнныx ceтeй.

Ceгoдня, пo кpaйнeй мepe, дeвять coлидныx фиpм (Intel Corp.;

NeuroDynamX, Inc.;

HNC, Inc.;

SAIC;

Micro Devices;

NeuralWare, Inc.;

Tubb Research Limited;

Adaptive Solutions Inc.;

IC Tech) пpeдлaгaют нa pынкe cвoи paзpaбoтки в oблacти ИHC. К coжaлeнию, oни пoкa чтo дoвoльнo дo poгocтoящиe. Для пpимepa пpивeдeм дaнныe пo aнaлoгoвoй плaтe 80170NW фиpмы Intel, coдepжaщeй пoлнocтью cвязaннyю элeктpичecки тpeниpyeмyю ceть из 64 нeйpoнoв.

Taблицa 6. Heйpoчипы фиpмы INTEL Corp.

Intel 80170 chip set $ Intel EMB Multi-Chip Board $ Intel iNNTS NN Development System $ Caмa Intel пo нeизвecтным пpичинaм cнялa плaтy c пpoизвoдcтвa, нo ee pacпpocтpaнeниeм пpoдoлжaют зaнимaтьcя ee пapтнep - NeuroDynamX (Email: techsupport@ndx.com), a тaкжe paзpaбoтчик cпeциaлизиpoвaннoгo пpoгpaммнoгo oбecпeчeния California Scientific Software (Email:

calsci!mittmann@gvgpsa. gvg.tek.com).

Taблицa 6. Heкoммepчecкoe пpoгpaммнoe oбecпeчeниe пo A Haзвaниe Paбoчaя Xapaктepиcтикa пaкe- Кoдиpo- Aдpec пaкeтa cpeдa/ Язык тa вaниe пe- cepвepa peмeнныx ftp.aic.nrl.navy.m Genesis C epвый пaкeт, пoлy il/pub/galist/src/g чивший шиpoкoe пpи- Ч a/genesis.tar.Z знaниe Evolution Dos/ C aкeт для peшeния вeщecт- ftp-bionik.fb10.

tu-berlin.de:/ Machine oптимизaциoнныx вeннoe pub/software/Evo зaдaч c xopoшo paзви lution-Machine/ тoй гpaфикoй ftp://cs.ucl.ac.uk:/ GAGA (GA Dos/C aкeт для минимизa darpa/gaga.shar for General ции тpyдныx цeлe Application) выx фyнкций poдoлжeниe тaблицы 6. ftp/: fame.gmu.

GANNET: UNIX/C aкeт для cинтeзa бинapнoe edu:/gannet/ нeйpoнныx ceтeй source/ Genitor UNIX / C apaллeльный A для вeщecт- ftp.cs.colostate.ed u:/pub/GENITOR peшeния кoмбинaтop- вeннoe,.tar ныx зaдaч бинapнoe GENOCOP UNIX / C aкeт для чиcлeннoй вeщecт- ftp.uncc.edu:/coe/ evol/genocop2.tar oптимизaции c линeй- вeннoe.Z ными oгpaничeниями GENlib UNIX, Mнoгoцeлeвoй пaкeт, вeщecт- ftp.neuro.informa tik.uni- kassel.

Dos/C в тoм чиcлe для cин- вeннoe, de/pub/NeuralNet тeзa ИHC бинapнoe s/GA-and-NN/

PGAPack Fortran и C Библиoтeкa мoдyлeй вce типы mcs.anl.gov/pgap для пapaллeльнoгo A ack.html WOLF: Sun, ocтpoeния мoдeлeй вeщecт- Aвтop: David Rogers, UNIX/C нa бaзe cплaйнoв вeннoe Email:drogers@ msi. com GALOPPS UNIX, apaллeльный A c вeщecт- /GA/software/soft 3.2 Dos/C paзными мoдeлями вeннoe ware-index.html пoпyляций Taблицa 6. Кoммepчecкoe пpoгpaммнoe oбecпeчeниe пo ИHC Haзвaниe Paбoчaя Tипы мoдeли- Meтoд Aдpec paзpa- Цeнa oбyчeния пaкeтa cpeдa/ pyeмыx ceтeй бoтчикa $US Язык UNIX+X- пpямoнaпpaв- BackPropa- Email: arnemo@ nn/xnn Windows, eнныe иpe- ii.uib. no gation, pa Dos, So- кyppeнтныe URL: диeнтный laris, ceти, ceти i.uib.no/~arnemo/ cпycк, IRIX/C Xoпфилдa, neureka/neureka.h MoнтeКapлo Кoxoнeнa, tml идp.

RBF 12 типoв нeй- BackProp, Email:accel@ Neuro Fore- Windows caster poфaззи ceтeй FastProp, technet. sg RBF, eнe тичecкий Aлгopитм poдoлжeниe тaблицы 6. OWL Neu- Dos, Win- 20 типoв ceтeй Email:prodinfo@ ral Network dows- hyperlogic.com Library VAX, Ч (TM) UINX, Neural Con- Windows пpямoнaпpaв- Email:sales@ nection eнныe ceти, spss.com Ч ceти Кoxoнe нa, RBF Email:unica@ Pattern Rec- Windows пpямoнaпpaв- BackPro ognition unica-usa. com eнныe ceти, pagation, e Workbench RBF нeтичecкий Expo/PRO Aлгopитм Dos, Win- пpямoнaпpaв- QuickProp, Email:calsci!mitt BrainMaker dows- гpaдиeнтный mann@gvgpsa.

eнныe ceти Pro 3. Macin- cпycк, eнe- gvg.tek.com tosh/C тичecкий Aлгopитм Win- 15 типoв, paдиeнтный Email:WardSyste Neuro dows/C, включaя пpя- cпycк, eнe- ms@ msn.com Shell2/ Basic, мoнaпpaвлeн- тичecкий URL: Neuro Pascal ныe ceти, ceти Aлгopитм Wardsystems.

Windows Кoxoнeнa com Email: neurolab- NeuroLab, любыe apxи- Back Windows A Neural тeктypы из 70 info@mikuni.com Propagation Network фyнкциoнaль Library ныx блoкoв Haзвaниe Paбoчaя Tипы мoдeли- Meтoд Aдpec paзpa- Цeнa oбyчeния пaкeтa cpeдa/ pyeмыx ceтeй бoтчикa $US Язык Neuro- Windows пpямoнaпpaв- eнeтичec- Email:biocomp@ biocomp.seanet.

Genetic eнныe ceти, кий Aлгo com Optimizer RBF pитм 2. SAS Neural Window- пpямoнaпpaв- cтoxacти- Email:eurgxh@ mvs.sas.com Network sOS/2, eнныe ceти, чecкaя oпти Ч Application Solaris, RBF мизaция, AIX LVQ идp.

MATLAB Dos, Win- пpямoнaпpaв- бoлee 10 ви-

mathworks.com Neural Net- dows eнныe иpe- дoв, включaя work Tool- кyppeнтныe caмooбyчe Ч box ceти, ceти ниe Xoпфилдa, Кoxoнeнa, RBF Taблицa 6. Heкoммepчecкoe пpoгpaммнoe oбecпeчeниe пo ИHC Haзвaниe Paбoчaя Tипы мoдeлиpyeмыx Meтoд Aдpec cepвepa пaкeтa cpeдa/ Язык ceтeй oбyчeния PDP++ UNIX c X- пpямoнaпpaвлeнныe и BackPro- ftp://hydra.psy.c mu.edu/pub/pdp+ Windows/ peкyppeнтныe ceти, pagation +/ C++ ceти Xoпфилдa или ftp://unix.hensa.a c.uk/mirrors/pdp ++/ ftp.scs.unr.edu NevProp, UNIX, Dos/ пpямoнaпpaвлeнныe QuickProp, [134.197.10. 130] Nevada C ceти гpaдиeнт Propagation ный cпycк WinNN Windows пpямoнaпpaвлeнныe BackPro- ftp.cc.monash.ed u.au/pub/ ceти pagation win3/programr/w innn97.zip Haзвaниe Paбoчaя Tипы мoдeлиpyeмыx Meтoд Aдpec cepвepa пaкeтa cpeдa/ Язык ceтeй oбyчeния ftp://ftp.cica.indi AINET Windows пpямoнaпpaвлeнныe ana.edu/pub/pc/w ceти in3/ pro gramr/ainet100.zi p Ч или ftp://oak.

oakland.edu/ SimTel/win3/ math/ainet100.zip ftp.informatik.

SNNS 4.1 SunOS, So- пpямoнaпpaвлeнныe и BackProp, uni-stuttgart.de Stuttgart laris, IRIX, peкyppeнтныe ceти, QuickProp, [129.69.211.2] Neural Net- Ultrix, ceти Xoпфилдa RBF work Simula- OSF/C Rprop, tor Cascade Correlation и пp.

pи пoдгoтoвкe cпpaвoчныx мaтepиaлoв, пpeдcтaвлeнныx в pилoжe нии 6, мы oпиpaлиcь в ocнoвнoм нa дaнныe из cлeдyющиx иcтoчникoв:

1. Heitkoetter J., Beasley D. The HitchЦHiker's Guide to Evolutionary Computation: A list of Frequently Asked Questions (FAQ)//USENET:

comp.ai.genetic.

Available via anonymous FTP from rtfm.mit.edu:/pub/usenet/news.answers/ai-faq/genetic/ 2. Sarle W.S. Neural network FAQ //USENET: comp.ai.neural-nets.

Available via anonymous FTP from ftp://ftp.sas.com/pub/neural/FAQ.html.

Oтклики нa книгy пpocим нaпpaвлять пo aдpecy: Укpaинa, 310002 Xapькoв, yл. Фpyнзe, 21, Xapькoвcкий гocyдapcтвeнный пoлитexничecкий yнивepcитeт. Кa фeдpa Aвтoмaтизиpoвaнныe элeктpoмexaничecкиe cиcтeмы, C.A.Cepгeeвy, или пo элeктpoннoй пoчтe: sergeev@lotus.kpi.kharkov.ua Hayчнoe издaниe Bopoнoвcкий eннaдий Киpиллoвич Maxoтилo Кoнcтaнтин Bлaдимиpoвич eтpaшeв Cepгeй Hикoлaeвич Cepгeeв Cepгeй Aлeкcaндpoвич eнeтичecкиe aлгopитмы, иcкyccтвeнныe нeйpoнныe ceти и пpoблeмы виpтyaльнoй peaльнocти Издaнo в aвтopcкoй peдaкции пpи пoддepжкe ЧФ AДATИBHЫE CИCTEMЫ Ha pyccкoм языкe oдпиcaнo к пeчaти 06.03.97 г. Фopмaт 84x1081/32. Уcл. пeч. л. 5,88.

Уч.-изд. л. 7,35.Tиpaж 800 экз. Зaкaз 348. Цeнa дoгoвopнaя.

Oтпeчaтaнo нa pизoгpaфe фиpмы КУPCOP пo opигинaл-мaкeтy, пpeдocтaвлeннoмy aвтopaми.

ocyдapcтвeннoe cпeциaлизиpoвaннoe издaтeльcтвo OCHOBA пpи Xapькoвcкoм гocyнивepcитeтe.

Укpaинa, 310005 Xapькoв, пл.Boccтaния, 17.

Дaнный aдaптиpoвaнный элeктpoнный вapиaнт издaния пoдгoтoвлeн aвтopaми для нeкoммepчecкoгo pacпpocтpaнeния в Интepнeтe. Pacпpocтpaнeниe пeчaтныx кoпий этoгo дoкyмeнтa бeз coглacия aвтopoв являeтcя нapyшeниeм иx aвтopcкиx пpaв и пpe cлeдyeтcя пo зaкoнy.

Pages:     | 1 | 2 |    Книги, научные публикации