Подпишитесь на рассылки о научных публикациях
Аспірант кафедри автоматизованих систем і програмування Періг Володимир Михайлович
Тернопільський національний економічний еніверситет
ЗАСТОСУВАННЯ ШТУЧНИХ НЕЙРОННИХ МЕРЕЖ В УПРАВЛІННІ
Сьогодні, як і сто років тому, безсумнівно, що мозок працює більш ефективно й принципово іншим чином, чим будь-яка обчислювальна машина, створена людиною. Саме цей факт протягом стількох років спонукає й направляє роботу вчених усього світу по створенню й дослідженню штучних нейронних мереж (ШНМ).
Мережа нейронів, що утворює людський мозок, являє собою високоефективну, комплексну, нелінійну, істотно-паралельну систему обробки інформації [2]. Вона здатна організувати свої нейрони таким чином, щоб реалізувати сприйняття образу, його розпізнавання або керування рухом, у багато разів швидше, ніж ці завдання будуть вирішені найсучаснішими комп'ютерами [3].
ШНМ є спрощеною моделлю мозку. Вона будується на основі штучних нейронів, які володіють такою ж основною властивістю, що й живі: пластичністю. Використання структури мозку й пластичності нейронів робить ШНМ універсальною системою обробки інформації.
Біля 25-ти років тому в розвитку теорії автоматичного керування почався новий етап, пов'язаний з адаптивною постановкою основного завдання управління. Її особливість складається у відсутності споконвічних знань про математичну модель об'єкта управління. Об'єкт -це чорний ящик, що піддається невідомим випадковим впливам. Нам доступні тільки його входи й виходи. Ціль системи управління (СУ) полягає в тому, щоб уже в процесі функціонування визначити закон регулювання, що забезпечує оптимальне поводження об'єкта. Для рішення цього завдання на додаток до основного контуру в систему управління вводиться контур адаптації (див. Рис. 1.).
Об'єкт управління |
Система управління |
Адаптація |
Об'єкт управління |
Система управління |
Адаптація |
Зовнішні чинники
Рис. 1. Загальна схема адаптивної системи управління
Із самого початку третього етапу величезна увага приділялася адаптивному управлінні лінійними стаціонарними об'єктами з невідомими параметрами (наприклад, широко використовувані методики, що опираються на побудову спостерігачів). У рамках цього підходу в 80-х роках почалося використання ШНМ для рішення завдань управління. Отримані результати показали, що ШНМ являють собою не просто нову методику в теорії автоматичного керування, а цілу парадигму. Для нового напрямку в теорії управління Вербосом була уведена окрема назва - нейроуправління (neurocontrol) [5].
Про цілісність нейроуправління говорить те, що в ньому, завдяки описаним вище властивостям ШНМ, загальним для різних нелінійних динамічних об'єктів образом вирішуються завдання ідентифікації, синтезу систем керування, їхнього аналізу й апаратної реалізації. Результати, отримані із застосуванням ШНМ у рамках адаптивної постановки основного завдання теорії управління, легко можуть використовуватися й класичними підходами.
Література:
•1. Ramon y Cajal S. Histologie du systeme nerveux de l'homme et des vertebres. - Paris: Maloine, 1911.
•2. Shepherd G. M., Koch C. Introduction to synaptic circuits // The Synaptic Organization of the Brain (G. M. Shepherd, ed.). - New York: Oxford University Press, 1990. - P. 3-31.
•3. Churchland P. S. Neurophilosophy: Toward a Unified Science of the Mind/Brain. - Cambridge, MA: MIT Press, 1986. -127 p.
•4. Неймарк Ю. И., Коган Н. Я., Савельев В. П. Динамические модели теории управления. - М.: Наука, Главная редакция физико-математической литературы, 1985. -400 с.
•5. Werbos P. J. Backpropagation and neurocontrol: A review and prospectus // Proc. of International Joint Conf. On Neural Networks. - Vol. 1. - Washington, DC. - 1989. - P. 209-216.
perihv@gmail.com