
- •Искусственный интеллект. Основные направления и этапы развития.
- •Структура мозга. Уровни моделирования. Основные элементы моделей.
- •Виды функций активации
- •Классификация нейронных сетей
- •Применение нейронных сетей
- •Методика решения формализуемых задач в нейросетевом базисе
- •Настройка нейронной сети на решение прикладных задач
- •Обучение нс Основные понятия
- •Основные алгоритмы обучения нс без обратных связей
- •Персептронные алгоритмы обучения Алгоритм обучения по правилу Хебба
- •Алгоритм обучения Розенблатта
- •Процедура Уидроу-Хоффа
- •Обучение многослойной нейронной сети без обратных связей Математическая постановка задачи обучения
- •Алгоритм обратного распространения ошибки
- •Генетические алгоритмы оптимизации
- •Суть генетического алгоритма
- •Методы формирования популяции
- •Иллюстрация работы генетического алгоритма
- •Особенности реализации генетических алгоритмов
- •Модификация основных параметров га
- •Мобильные га
- •Динамическое изменение параметров в процессе выполнения га
- •Разновидности га
- •Применение генетического алгоритма к обучению многослойного персептрона
- •Рекуррентные и рециркуляционные сети
- •Сеть Хопфилда
- •Применение сети Хопфилда к решению задач комбинаторной оптимизации
- •Сеть Хемминга
- •Самоорганизующиеся нейронные сети Самоорганизация в нс
- •Конкурентное обучение
- •Сеть Кохонена
- •Алгоритмы кластеризации
- •Пороговый алгоритм
- •Алгоритм максимального расстояния
- •Алгоритм внутригруппового среднего (метод k-средних, k-means clustering, c-means clustering)
- •Алгоритм нечётких k-средних (fuzzy c-means clustering)
- •Алгоритм состязания процедур соединения и разделения.
- •Сети адаптивного резонанса
- •Основы адаптивного резонанса
- •Архитектура art
- •Комбинированные нс
- •Иерархический классификатор
- •Нейронные сети с функциональными связями
- •Решающие деревья
- •Методы проектирования нейросетевых архитектур для решения прикладных задач
- •Выбор топологии нс для решения задач нейроуправления
- •Практическое применение нс Управление движением робота по заданной траектории
- •Обучение и формирование обучающей выборки для управления мобильным роботом
- •Тестирование робота
- •Автономное управление мобильным роботом
Тестирование робота
Для тестирования робота создается тестовая выборка из участков траектории, не вошедших в обучающую выборку. Робот должен отрабатывать данные тестовой выборки с допустимой ошибкой.
Автономное управление мобильным роботом
Для реализации автономного управления робот должен обладать способностью к самоорганизации и самоуправлению, так как робот движется в неизвестной среде.
Walter – немецкий робот.
Основная задача – пройти путь от начального пункта до конечного за оптимальный промежуток времени. Движение осуществляется в пространстве с препятствиями. Для их преодоления робот должен быть снабжен сенсорными устройствами.
Архитектура робота
Данная схема применяется для решения следующих задач:
Интеграция данных от различных сенсорных устройств (data fusion).
Обеспечение управления роботом в неизвестной среде.
Формирование глобальной карты местности.
Формирование оптимального маршрута в изведанном пространстве.
Формирование на каждом шаге оптимального маршрута.
Локальная карта местности
Реактивное управление роботом осуществляется таким образом, чтобы на основе знания о конечной точки движения и информации, поступающей от внешних устройств, сформировать определенное направление движения. Планирование маршрута движения робота не имеет смысла, но оптимальные маршруты могут запоминаться.
При движении робота в незнакомой среде используется подвижная и неподвижная система координат.
Центр неподвижной системы координат совпадает с начальным положением робота.
Подвижная система координат определяет текущее положение робота в процессе его движения к цели.
При формировании маршрута используется нейронная сеть.