- •1 Основные понятия и структурная схема приборного комплекса.
- •17 Принципы построения измерителей навигационных параметров в живом организме.
- •2.Комплексы оборудования самолетов.
- •10 . Основные направления развития исследований и систем искусственного интеллекта
- •4. Основные характеристики и требования, предъявляемые к системам отображения информации.
- •5. Навигационные комплексы. Общие сведения и классификация.
- •11.Диалоговые системы искусственного интеллекта.
- •12 Бионика, как наука.
- •6.Основные закономерности построения навигационных комплексов.
- •7.Навигационные комплексы на базе микропроцессоров.
- •8.Иерархические структуры навигационных комплексов. Системы искусственного интеллекта в навигационных комплексах.
- •18 Общие принципы построения биологических навигационных комплексов.
- •22 Интеллектуальный биологический навигационный комплекс.
- •9.Понятие об искусственном интеллекте. Интеллектуальные системы.
- •13 Обобщенная модель живого организма.
- •14 Основные функции живого организма.
- •15 Навигационная бионика. Общность задач и основных принципов навигации в живой природе и технике.
- •16 Общая характеристика методов навигации.
- •19 Информационное обеспечение пространственной навигации животных.
- •20 Обеспечение точности и надежности функционирования навигационных биосистем.
- •21 .Накопление априорной информации в биологических навигационных комплексах при обучении.
- •23 Основные особенности биологических навигационных комплексов.
- •24 Системы искусственного интеллекта – системы, базирующиеся на знаниях.
- •25 Основные структуры систем искусственного интеллекта.
- •26 Представление знаний.
- •27. Семантические сети.
- •28 Фреймовые модели.
- •29 Логические модели знаний и системы логического вывода.
- •30 Продукции и продукционные системы.
- •31. База знаний систем искусственного интеллекта.
- •32 Стратегия управления и механизм вывода в системах искусственного интеллекта.
- •33 Прямая цепочка рассуждений. База знаний. Обобщенный алгоритм работы.
- •34 Обратная цепочка рассуждений. Дерево решений. База знаний. Обобщенный алгоритм работы.
- •35 Общие методы поиска решений в пространстве состояний.
- •41)Нечеткие множества и лингвистические переменные.
- •42)Операции с нечеткими множествами.
- •37 Особенности разработки баз знаний бортовых экспертных систем.
- •43)Нечеткие алгоритмы.
- •47) Программная и аппаратная реализация нечетких регуляторов.
- •44)Общие принципы построения интеллектуальных систем управления на основе нечеткой логики.
- •45) Процедура синтеза нечетких регуляторов.
- •46) Синтез адаптивной сау с эталонной моделью на основе нечеткой логики.
- •48)Общая характеристика проблемы построения искусственных нейронных сетей. История проблемы.
- •49)Моделирование механизмов человеческого мышления. Модели нейронов.
- •50_Реализация логических функций на формальных нейронах. Проблема «Исключающего или».
- •51 .Искусственные нейронные сети. Общие положения.
- •52 . Персептрон ф. Розенблатта.
- •53 .Адаптивный пороговый элемент.
- •55. Общие принципы построения интеллектуальных сау с использованием нейронных сетей.
- •39 Нечеткая логика: история проблемы, практические приложения.
- •54. Многослойные персептроны. Алгоритм обратного распространения.
- •57 Применение нейронных сетей в задачах адаптации алгоритмов управления нелинейными объектами.
- •62. Нейрокомпьютер фирмы аас.
- •61. Способы реализации нейронных сетей. Примеры реализации нейрокомпьютеров.
- •1. Нейрокомпьютеры на базе транспьютеров.
- •58. Применение нейронных сетей в задачах идентификации математических моделей динамических объектов.
- •59 Обзор возможных вариантов построения нейронных сетей.
- •63.Генетические алгоритмы. Особенности построения и реализации
- •38 Системы искусственного интеллекта с использованием нечеткой логики.
- •36.Проблемы разработки бортовых оперативно-советующих экспертных систем.
21 .Накопление априорной информации в биологических навигационных комплексах при обучении.
Наличие некоторого объема априорной информации является необходимым условием существования БНК. В памяти организма должны содержаться данные об алгоритмах различных методов навигации, характеристики навигационных ориентиров, закономерности изменений окружающей среды и другие сведения, без которых не может быть решена задача пространственной ориентации. Некоторый объем априорной информации закладывается в генетическую память животного и передается из поколения в поколение. Однако условия обитания животных могут по тем или иным причинам существенно и непредсказуемо меняться, поэтому БНК должны обладать способностью активно накапливать необходимую априорную информацию, приспосабливаясь к конкретным условиям существования, т.е. обучаться. Таким образом, обучение – это способность животных к целенаправленному поиску и накапливанию информации, на основе которой формируются и уточняются алгоритмы функционирования, структуры и взаимосвязи биологических систем, обеспечивающие согласование образа действий животного с конкретными условиями его существования. Цель обучения – познание окружающей животного среды, т.е. выявление закономерностей среди множества случайно воздействующих на организм факторов.
Процесс обучения реализуется в нейронных цепях органов чувств и мозга животного. По существу нервная система является сложной иерархической системой обучения с распределенной структурой, охватывающей все информационные и управляющие компоненты организма. Основным функциональным элементом системы обучения является нейрон, структурная схема которого представлена на рис. 9.1. Тело нейрона (сома) 1 имеет размеры порядка 0,1 мм. Оно выполняет функцию микропроцессора, в котором осуществляются обработка информации и выработка управляющих сигналов.
Рис. 9.1. Структурная схема нейрона
Нейрон как элемент обучающей системы способен из множества поступающих в него сигналов выделить и зафиксировать одновременно действующие и многократно повторяющиеся, выполняя функцию, которую можно формально оценить как корреляционную обработку сигналов. Выявленные нейроном взаимосвязи материализуются в виде вновь сформированных новых связей с другими нейронами, собственной обратной связи, а также измененных передаточных свойств (коэффициентов) синапсов. Кроме того, происходит повышение скорости передачи сигналов по аксону, функциональные изменения нейрона и др.
Иерархическая структура системы обучения животных дает возможность организму накапливать информацию, совершенствовать приемы и методы навигации, увеличивать точность и надежность измерений и тем самым повышает жизнеспособность животного в условиях борьбы за существование. Рассматривая систему обучения с позиций бионики, можно выявить ряд существенных достижений природы в области обучения целого комплекса датчиков информации, исполнительных органов, систем управления и адаптации.