- •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.
48)Общая характеристика проблемы построения искусственных нейронных сетей. История проблемы.
Нейронные сети как понятие появилось в 40-х годах двадцатого века в среде нейробиологов и нейроанатомов, изучавших принципы организации и функционирования мозга. Основные результаты были получены ими при исследованиях структуры и функции нервной системы человека. Они многое поняли в "электропроводке" мозга, но мало узнали о его функционировании. В процессе изучения выяснилось, что мозг имеет ошеломляющую сложность (почти 100 миллиардов нейронов и несколько триллионов соединений).
Углубление представлений о функционировании нейронов дало возможность исследователям создавать разнообразные математические модели для проверки собственных теорий. Появились так называемые искусственные нейронные сети (ИНС) - набор элементарных нейроподобных преобразователей информации (нейронов), соединенных друг с другом каналами обмена информацией для их совместной работы. Все исследования теперь могли проводиться на ЭВМ, без привлечения к экспериментам человека или животных. Таким образом, были решены многие практические и морально-этические проблемы.
Существуют два взаимно обогащающих друг друга направления исследований в области нейронного моделирования, ставящих перед собой различные цели:
1) понять функционирование нервной системы человека на уровне физиологии и психологии (нейробиологическое направление);
2) создать ИНС, выполняющие функции, сходные с функциями мозга (прагматическое, «техническое» направление).
Первая формальная модель искусственного нейрона была предложена в 1943 году известным американским физиологом Уорреном Мак-Каллоком и его учеником Вальтером Питтсом. Тогда же ими было сформулировано фундаментальное утверждение о том, что любая функция нервной системы, которая может быть логически описана с помощью конечного числа слов, может быть реализована сетью искусственных нейронов.
В 50-е - 60-е годы группой ученых были созданы первые ИНС путем объединения биологических и физиологических подходов в процессе их моделирования. Реализованные вначале как электронные сети, позднее они были перенесены и адаптированы в компьютерных средах моделирования, где активно исследуются и сегодня. В этот период активно работают многие выдающиеся ученые в области ИНС: М. Минский, Ф. Розенблатт, Б. Уидроу и др. Ими разрабатываются ИНС, состоящие из одного слоя искусственных нейронов с обучением, называемые персептронами, широкое применение которых позволило получить качественно новые результаты при решении таких задач, как предсказание погоды, анализ электрокардиограмм, искусственное зрение. Уже тогда стали предполагать, что ключ к интеллекту найден. Однако эта иллюзия быстро рассеялась, ИНС не могли решать задачи, внешне очень схожие с теми, которые прежде ими удачно решались. М. Минский и С. Пайперт с математической точки зрения строго доказали, что используемые в то время однослойные ИНС принципиально неспособны решать многие простые задачи, в том числе реализовать логическую функцию «ИСКЛЮЧАЮЩЕГО ИЛИ». Убедительность доказанных Минским теорем, а также его авторитетность, в научном мире окончательно подвели черту исследованиям по ИНС, выразившимся почти двадцатилетним перерывом в развитии данного научного направления.
Однако несколько наиболее активных ученых, таких как Т. Кохонен, С. Гроссберг, Дж. Андерсон и др., продолжили исследования. В связи с плохим финансированием данной тематики исследования, опубликованные в период с 70-х по 80-е годы, сильно разбросаны по многочисленным журналам, некоторые из которых малоизвестны. Нарастание научной активности в данном направлении исследований носило взрывной характер. Так, уже в 1987 г. было проведено четыре крупных международных конференции по искусственным нейронным сетям и опубликовано свыше 500 научных сообщений. Таким образом, постепенно появился теоретический фундамент, на основе которого сегодня конструируются мощные многослойные ИНС.
Сегодня существует много практических примеров, демонстрирующих впечатляющие возможности ИНС: их научили превращать текст в фонетическое представление, которое затем превращается в речь; другие ИНС могут распознавать рукописные буквы, сжимать изображения и т.д. Разработано много различных алгоритмов обучения ИНС, имеющих свои специфические преимущества. Необходимо подчеркнуть, что ни одна из сегодняшних ИНС не является идеальной, т.к. все они имеют ограниченные возможности обучаться и вспоминать.
Для улучшения существующих моделей ИНС требуются значительные усилия. Должны быть развиты новые технологии, улучшены существующие методы и расширены теоретические основы, прежде чем данная область сможет полностью реализовать свои потенциальные возможности.
Среди различных направлений в моделировании ИНС за рубежом следует отметить исследования, проводимые С. Гроссбергом, Д. Е. Руммельхартом, Дж. Андерсоном, Р. Хехт-Нильсоном, К. Фукушима, Б. Коско и др., а в нашей стране - Н. М. Амосовым, А. И. Галушкиным, А. К. Горбанем, В. Л. Дуниным-Барковским и многими другими.
Ниже перечислены основные этапы развития и достижения в области ИНС за период с 1947 по 1990гг.
Сегодня в мире издается более 20 специализированных периодических научных изданий, посвященных вопросам проектирования и применения ИНС. В России с 1992 года издается журнал «Нейрокомпьютер».