Минобрнауки россии
САНКТ-ПЕТЕРБУРГСКИЙ ГОСУДАРСТВЕННЫЙ
ЭЛЕКТРОТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ «ЛЭТИ»
Факультет компьютерных технологий и информатики
Кафедра автоматики и процессов управления (АиПУ)
Отчет по практическим занятиям
по дисциплине
«Нейросетевое управление»
на тему:
" Минимизация времени управления двухзвенного робота манипулятора."
|
Выполнили: |
Проверил: |
|
студенты гр. 8391 |
Никонов Антон Николаевич |
|
ФКТИ Коваль Е.А. Воспитанник Д.А |
|
|
|
|
Санкт-Петербург
2014 год
Введение.
Всего десять лет назад роботы, понимающие человеческую речь, и компьютерные системы, принимающие решения за человека, были неотъемлемой составляющей фантастических произведений про далекое будущее. Сегодня системы с искусственным интеллектом прочно вошли в нашу жизнь. Это и голосовой набор номера, и распознавание номеров автомобилей и многое другое, что окружает нас каждый день.
Современные системы с искусственным интеллектомстроятся на основе искусственныхнейронных сетей, которые представляют собой упрощенную модель человеческого мозга. Основными особенностями нейронных сетей являются способность к обучению и обобщению информации, полученной в процессе обучения. Искусственные нейронные сети являются электронными моделями нейронной структуры мозга, который, главным образом, учится на опыте. Естественной аналог доказывает, что множество проблем, неподдающиеся решению традиционными компьютерами, могут быть эффективно решены с помощью нейронных сетей.
1.Теоретическая часть. Искусственная нейронная сеть (инс).
ИНС - математические модели, а также их программные или аппаратные реализации, построенные по принципу организации функционирования биологических нейронных сетей - сетей нервных клеток живого организма.
Применение ИНС для целей управления является одной из многочисленных областей относительно нового раздела современной науки – нейроинформатики, содержанием которой служит разработка и исследование методов решения самых разнообразных задач с помощью искуственных нейронных сетей, построенных на стандартных искуственных нейронах.
Двумя основными направлениями нейроинформатики являются:
Моделирование функций мозга и исследование механизмов памяти.
Решение проблемы эффективных вычислений, принятия решений в широком смысле этого слова, подчиненных конкретной цели и основанное на некоторой модели функций мозга.
Нейросетевые системы управления относятся к классу нелинейных динамических систем. В составе таких систем искуственная нейронная сеть может выполнять различные функции: диагностику технологического оборудования, управление подвижными объектами и технологическими процессами, прогнозирование ситуаций, оценку состояния и мониторингтехнологических процессов и многое другое.
У нейронных сетей много важных свойств, но ключевое из них – это способность к обучению.Технически обучение заключается в нахождении коэффициентов связей между нейронами. В процессе обучения нейронная сеть способна выявлять сложные зависимости между входными данными и выходными, а также выполнять обобщение. Это значит, что в случае успешного обучения сеть сможет вернуть верный результат на основании данных, которые отсутствовали в обучающей выборке, а также неполных и/или «зашумленных», частично искаженных данных.