Состояние и перспективы развития нейрокомпьютерных систем
Дипломная работа - Компьютеры, программирование
Другие дипломы по предмету Компьютеры, программирование
фикаторов состояния нелинейных объектов, и это направление также получило впоследствии развитие. Многослойная нейронная сеть может выполнять функцию оптимизатора настроек параметров промышленного ПИД - регулятора.
Но лишь в последние годы появились первые результаты по использованию нейросетей для управления динамическими объектами. Эти проблемы касаются:
-синтеза структур нейросетевых систем управления;
-ограничений на скорость настройки параметров сети;
-модификации алгоритмов настройки, обеспечивающих малые траекторные ошибки при ограничениях на значения весовых коэффициентов синаптических связей нейронов;
-модификации управления, гарантирующего грубость в условиях неконтролируемых возмущений.
Подходы к решению перечисленных проблем, безусловно, так или иначе, отражены в литературе по применению нейросетей в задачах управления. Еще в 1992 г, была разработана процедура синтеза системы управления нелинейными объектами с применением RBF-сети и достаточно подробно рассмотрены вопросы синтеза ее архитектуры и алгоритма настройки. Проблемы же, связанные с качеством процессов и нечувствительностью системы к неизмеряемым возмущениям, не были решены. В ряде других работ и в более позднее время были предложены методы синтеза нейросетевых систем управления сложными техническими объектами, в частности, для решения задач синтеза нейросетевых автопилотов и систем управления угловым движением ракеты. Необходимо отметить, что методы, описанные в этих работах, были протестированы на действующих моделях в реальных условиях (т.е. при наличии помех в каналах измерения, неточности математических моделей и т.д.).
Примечательно, что большинство работ по искусственным нейронным сетям и их применению опубликовано в зарубежных изданиях научной литературы. российская же библиография в этом направлении довольно скудна, а в приложениях к управлению динамическими объектами практически отсутствует.
Главной проблемой как алгоритмического, так и структурного синтеза нейросетевых систем управления является обоснованный выбор содержательной информации, необходимой для обучения многослойных нейронных сетей для формирования ею оптимального закона управления и установления условий существования решения задачи управления для класса нелинейных объектов и требуемых целей управления. Алгоритмический синтез включает в себя решение задачи выбора алгоритма обучения нейросети в реальном времени и анализа условий достижимости целей управления с их помощью, что существенно с практической точки зрения.
В узком смысле понятие "нелинейный объект со сложной динамикой" можно дать, опираясь на следующие признаки:
-многомерность и многосвязность объектов и систем;
-нелинейность, нестационарность и априорная неопределенность динамики объекта управления (существование так называемой "немоделируемой динамики");
-возмущаемая среда функционирования системы управления.
Даже при этом ограниченном перечне исходных реальных условий работы системы управления очевидны те аналитические проблемы, с которыми приходится иметь дело при проектировании и расчете регулятора такой системы. Применение нейросетевой технологии управления позволяет в значительной мере снять математические проблемы аналитического синтеза и анализа свойств проектируемой системы. Это объясняется тем, что достигаемые свойства и качество процессов управления в нейросетевых системах в большей степени зависят от фундаментальных свойств многослойных нелинейных нейросетей, а не от аналитически рассчитанных оптимальных законов, обычно реализуемых в виде компьютерной программы. Настраиваемые многослойные нейросети обладают рядом достоинств, оправдывающих их применение в задачах управления нелинейными динамическими объектами.
2.2 Теория нейронных сетей
В области теории нейронных сетей российская научная школа, которая развивается уже в течение 30 лет, имеет определенный приоритет по сравнению с зарубежными исследованиями. Теория нейронных сетей - алгоритмический базис нейрокомпьютеров, подобно тому, как булева алгебра служила основой логики однопроцессорных и многопроцессорных компьютеров.
Общая методика синтеза многослойных нейронных сетей была разработана сотрудниками Научного центра нейрокомпьютеров еще в конце 60-х годов и постоянно развивалась в течение 30 лет. В результате в России сформировалось направление в области теории нейронных сетей, которое по ряду параметров превосходит уровень зарубежных работ. Например были разработаны методы адаптивной настройки нейронных сетей с произвольным видом нейрона и произвольным числом слоев; с различными видами связей между слоями; с различными видами критериев оптимизации; с различными ограничениями на весовые коэффициенты нейронных сетей.
Реализованные в известных зарубежных нейропакетах нейросетевые парадигмы имеют по крайней мере два серьезных недостатка:
) они реализуют нейросетевой алгоритм, не адекватный выбранной задаче;
) достигают локального эффекта на первом этапе использования без возможности улучшения для повышения качества решения задачи.
В таблице 1 представлена сравнительная характеристика зарубежных и отечественных методов настройки многослойных нейронных сетей.
Определенная общность отечественных методов развития теории нейронных сетей позволила создать единый подход к разработке нейросетевых алго