ИМЕННОЙ СПИСОК

77

СПИСОК ЛИТЕРАТУРЫ

1.НоПапё ,1. Н. АсЫрЫюп т паШга1 ап<з ашЯЫа! зузгетз. Ап тпчхЫс1огу апа1у518 ЧУЙЬ аррНсайоп 1о Ыо1о§у, соп1го1, апс! агпг!с1а1 тт.еШ- §епсе. — Ьогизоп: ВтоТого" Ьоок еёШоп, 1994 — 211 р.

2.Ое 1оп§ К. А. Оепеп'с А1§опигт5: А 10 Уеаг Регзресиуе /Лп: Ргосз оГ 1пе Р1Г811пх. Сопт*. оп Сепе11С А1§оп1пт5, 1985. — рр. 167— 177.

3.О некоторых теоретических аспектах экологического мониторинга состояния природной среды /Ю. А. Израэль и др. //В кн.: Проблемы экологического мониторинга и моделирование экосистем. Том П . — Л.: Гидрометеоиздат, 1979. — ее.7—29.

4.Автоматизация поискового конструирования (искусственный интел­ лект в машинном проектировании) /Под ред. А. И. Половинкина.— М.: Радио и связь, 1981. — 344 с.

5.Семевский Ф, Н., Семенов С. М, Математическое моделирование экологических процессов.— Л.: Гидрометеоиздат, 1982. — 326 с.

6.А1екзапс1ег I., Мойоп Н. Ап 1п1гос1испоп 1о №ига1 Сотрипп§. — Ьопёоп: СНартап&На11, 1990.

7.МсСиНосп \У. 8., Р1йз \У. А 1о§1са1 са1си1и5 о:Пс1еа5 ншшпеп! т пегуош аейуку // ВиИейп Ма(кета11са1 ВюрИузюз.— 1943.— 5.— рр.115—

133(Имеется перевод: Дж. Маккаллок, У. Питтс. Логическое исчисле­ ние идей, относящихся к нервной деятельности // В кн.: Автоматы. — М.: ИЛ, 1956).

8.НеЬЬ Б.О. Тле Ог^ашгаиоп от" Вепауюг: А Меигор8успо1о§1са1 Тпеогу. — ЫешУогк: \УПеу, 1949.

9.КозепЫап; Р. Тпе регсерптт: А ргоЪаЪШзпс тоо!е1 гог тГогтапоп з1ог- а§е апё ог^ашгаиоп т 1пе Ьгат // Р5усИо1о§1са1 Кеу1е\у.— 1958.— 65.— рр.386—407 (Ешаопу Уабаша: Розенблатт Ф. Принципы нейродинамики.— М: Мир, 1 966.— 480 с),

10.Мшзку М. Ь., Рарей 8. А. Регсерпчтз. — СатЪпс1§е, МА: М1Т Ргезз, 1969 (Имеется перевод: Минский М., Пейперт С. Персептроны.— М.:

Мир, 1971.— 261с).

11. КшпеШаг! О. Е., Нт1оп О. Е., ХУПНатз КЛ. Ьеагтпд т1ета1 гергеаегйайоп Ьу еггог ргора§а{юп // 1п: Б. Е. Ките Шаг! апс! 1Ь.МсС1е11апс1 (Е(к.) Рага11е1 0181г1Ьитед Ргосез8т§, Уо1. I Роипёаиопк. — СатЪпс1§е, МА: МГГРгезз, 1986.—рр.318—362.

78

12. ЯитеШагШ. Е., Н Ы О П О . Е., ХУППаптз К. 1 Ьеагпт§ гергезепЫюп Ьу Ьаск—ргора§аип§ еггогз // ИШиге.— 1986.— УО1.323.— рр.533—536.

13.\УегЪо5 Р. ]. Веуопо1 ге§ге58юп: Ые\у 1оо18 гог ргеаЧсНоп апс! апа1у515

шЛе Ъепауюга1 зЫепсез. РШ Тпез1з, Нагуагс! Шггегз&у, СатЪпс1ёе, МА, 1974.

14.Барцев СИ,, Охонин В, А. Адаптивные сети обработки информа­ ции.— Красноярск, 1986.— 20 с.— (Препринт / АН СССР. Сиб. отд— ние. Ин—т физики; N 59Б).

15.Барцев С. И., Гилев С. Е., Охонин В. А. Принцип двойственности в организации адаптивных сетей обработки информации // В кн.: Дина­ мика химических и биологических систем.— Новосибирск; Наука. Сиб. отд—ние, 1989.— с.6—55.

16.Наукт 8. Ыеига1 Ыеглуогк. А СотргеЬегшуе РоипсЫюп. — №\у Уогк: МастШап Со11е§е РиЪНзпт§ Сотрапу, 1994. — 691 р.

17.ЗсЬаЯег .1. Б., ДУпШеу Б., Езпеппап Ь. I СотЫпаиопз оГОепеис А1- §опйтт5 апё Ыеига1 Ыегл^огкк: А Зигуеу огЧпе 81а1е ог"т.пе Агх //1п: Ргоск. ОГ 1пе 1п1. ДУогкзпор оп СотЫпатлопз оГ Оепеис А1§оп1пгш апс1 Ыеига1 Ые1\уогк8 (Ейз. Ь. Б. \Упк1еу, 1 и. ЗспаГгег).— ВаШтоге, Магу1апс1, 1992. — рр.1 37.

18.Ногшк К., ЙНпспсотЪ М. апй \УЫт.е Н. МиШ1ауег Рееёгопуагё Ые(- шогкз аге Цшуегза1 Арргох1та1огз // Ыеига! Иегу^огкз.— 1989.— N 2.— рр.359—366.

19.СуЬепко С. Арргсштатлоп Ьу вирегрозШоп ог'зщтокЫ йдпсйопз //

МшЬ. СоШго!, 5щпа18уз(. — 1989. — N 2. — рр.303—314.

20. Рагк }., Запс!Ьег§ I. \У. Ышуегза! арргохйгтпоп изт§ гасНа1 Ъаз15 гипс1юп петлуогкз // Ыеига! СотриШюп.— 1991.— УО1,3,— рр,246— 257.

21.Неймарк Ю. И., Коган Н. Я., Савельев В. П. Динамические модели теории управления.— М.: Наука. Главная редакция физико— математической литературы, 1985. 400 с.

22.№гепо!га К. 8., РагпшзагагЪу К. ЫеппТюаглоп апо1 сопгго1 от"сгупат1са1 зузхетз изт§ пеига1 пег^огкз // ШЕЕ Тгат. оп Ыеиг. N61.— 1990.— УО1.1.—N 1.—рр. 4—27.

23.Клепиков В. Б., Махотило К. В., Сергеев С. А., Вороновский Г. К.

Искусственные нейронные сети: новая парадигма в управлении //В кн.: Проблемы автоматизированного электропривода. Теория и практика (Под ред. В. Б. Клепикова и др.). — Харьков: Основа, 1995. — ее. 111 — 115.

79

24.8ег§ееу 8. А., К1ер1коу V. В., МаЬоШо К. V. АтрШиёе—Ргециепсу Спагаст.епзпс о? а №ига1 Соп1го1 Вазеё ВС Бпуе // Та§ип@8Ьапс1 «Ье'з- Шп§8е1ек1гоп1зсЬе Ак1огеп ипс! 1пт.еШ§епт.е Ве^е§ип§884еиегш1§еп» РаспШ§ип§. — Ма§с1еЬиг§, Оеи1§сЫапа\ 1996. — рр.47—53.

25.К1ер1коу V. В., 8ег§ееу 8. А., МаЬоШо К. V., Уогопоузку С. К. Ыеига1 Тесппо1о§'е8 т Е1есгпса1 Опуе Соп1го1 //1п: II КопГегешуа 81егошаше \у Епег§ое1екггошсе 1 ЫаресЫе Е1екггус2пут. Ьодт.—АгШгоу/ек, 15—17 ИвНоршЗа 1995. —рр.336—343.

26.Сергеев С. А., Махотило К. В. Генетические алгоритмы в синтезе прям он а правленных нейронных сетей // Труды XIII межд. конф. "Но­ вые информационные технологии в науке, образовании и бизнесе". Украина, Крым, Ялта—Гурзуф, 15—24 мая 1996. — ее.338—342.

27.8ег§ееу 8. А., МаЬоШо К. V. Еуо1иглопагу 8упт.Ье8*8 оГ Оупагшса1 Огреет. ЕпшЫог Вазеё оп ЯВР Ыеига1 Ыетдуогк //1п: Ргосз оГ гпе р1гн1 Оп—Нпе ШогкзНор оп Зой Сотритт§. Ыадоуа, Дарап, Аи§.19—30,

1996. — рр.31—36.

28.Четвериков С. С. Работы по общей биологии и генетике. — Ново­ сибирск, 1984.

29.К1ер'коу V. В., 8ег§ееу 8. А., МаЬоШо К. V. МосНйсатлоп ог" Но11ап<Гз гергоёисглуе р1ап Гог сНр1ок1 рори1апопз // 1п: Агтлйс'а1 Ыеига1 N618 апё Оепеп'сз А1§опг.Ьтз (Ед5. О.Реагзоп ет. а1). — 8рпп§ег Уег1а§, 1995. — рр.337—339.

30.К1ер'коу V. В. ет. а1. 01р1о1ёу—Ьазеё Оепеис А1§опигт т ]Моп81;а- тлопагу Епу'гоптепх. // В кн.: Проблемы автоматизированного электро­ привода. Теория и практика. (Под ред. В.Б.Клепикова и др.). — Харь­ ков: Основа, 1995. —ее.108—НО.

31.Но11з1:е'п К. В. АгпТкпа1 §епеглс аа!ар1апоп т сотрШег сопгго1 8у8г.егш (Оос1ога1 сНззеПап'оп, 1971, Ытуешгу от*М1сЫ§ап) 0158ег1;апоп АЪ81хаст.5 1п1егпатлопа1. 32.(3), 1510В.

32.N0 К.Р., \Уощ* К.С. А №\у О'ркмс! 8спете апс! Боттапсе Спап§е МесЬашзт гЪг Ыоп—8г.ат.юпагу Рипстлоп Орглгшгатлоп //Ргосз от* гпе бгл 1пт.. Сопг". оп Оепеис А1§опгптз. — Мог§ап Каигтапп, 1995.— рр.159— 166.

33. Уогопоузку О. К., К1ер'коу V. В., 8ег§ееу 8. А., МаЬоШо К. V. АТЧПЧ+ОА—Ьазео! 1пт.еШ§епт. Соптго1 Зузгет // ТЬе 4—т.Ь 1пт.. ХУогккЬор оп Ортлгшгатлоп апо! 1пуегзе РгоЫет т Е1ес1гота§пеп8т. Вгпо, СгесЬ ЯериЬНс, Липе 19—21, 1996. —р.45.

80

34. Уогопоузку О. К., Ре1газЬеу 8. И., 8ег§ееу 8. А., МаЬоШо К. V. АNN—Вазес! 1п1еШ§еп1 8уз1ет &г Ргосезз Соп1го1 // 1п: Ргосз оГте Р1гз1: 1п1:. Сопг". оп Еуо1и1юпагу СотриШюп апо! 118 АррНсайопз ЕУСА'96. МОЗСО\У, Яиз81а, Дше 24—27, 1996,. — рр.ЗЗО—334.

35.^еЪ^ег'з 5сЬоо1 сНсйопагу.— МА, Ц8А: Мепат—\УеЪ51ег 1пс.— 1167 р.

36.Ше<зе1 Е., Яотапоу А. Ии§51ап—Еп^ИзЬ, Еп§Нзп—Ии5§1ап О^сГюпагу. — Киев: Перун, 1993.— 592 с.

37.Англо—русский физический словарь (Под ред. Д.М. Толстого).— М.: Изд—во "Русский язык", 1978.— 848 с.

38.Докинз Р. Эгоистичный ген: Пер. с англ.— М.: Мир, 1993.— 318 с.

81

ПРИЛОЖЕНИЕ 1. РЕЗУЛЬТАТЫ СИНТЕЗА И АНАЛИЗ ПАРАМЕТРИЧЕСКОЙ ЧУВСТВИТЕЛЬНОСТИ НЕЙРОКОНТРОЛЛЕРА

Объект управления — инерционное звено второго порядка (8). Параметры динамического объекта: Т = 0,5, с, = 0,1.

Цель управления — подавление колебательности объекта. Закон управления: ик+х ='ЫС(хк,хк_[,игк).

Дискретность управления: Д = 0,1с.

Активационная функция нейронов скрытого слоя: у — 1к

/ = ]

Количество нейронов в скрытом слое: 5.

82

. * • • • ••»

Рис. П1.3 Реакция системы управления (кривая 2) с нейроконтроллсром на входное воздействие (кривая 1) в виде гармонического сигнала с единичной амплитудой и час­ тотой а) 0; б) 0,08; в) 0,16 и г) 0,32 Гц

Для оценки параметрической чувствительности системы был введен интегральный функционал качества:

, дг/ 1

! = ]

Здесь 7У=3— количество экспериментов, / п ш = 1 0 с — время интегрирова­ ния переходного процесса в системе, и,-— ступенчатое входное задание амплитудой - 1, 0 и 1. Значение функционала, полученное при оптималь­ ной настройке нейроконтроллера, равно,/=0,0235.

На рис. П1.4 представлен график изменения функционала качества при изменении каждого из 26 параметров нейроконтроллера в диапазоне - 100 + 100%. Как видно, изменение любого из 26 параметров в пределах - 20 •*• 20% не приводит к существенному ухудшению качества работы сис­ темы (статическая ошибка <5%, перерегулирование =15%, 1,2—2 колеба­ ния переходного процесса). Такой допустимый диапазон дрейфа парамет-

83

ров от заданного оптимального значения вполне может быть обеспечен при использовании стандартных полупроводниковых приборов.

Рис. П1.4. Зависимость качества работы системы управления от изменения пара­ метров неироконтроллера

Тем не менее, из рис. П1.4 видно, что разные параметры нейронной се­ ти оказывают различное влияние на эффективность ее работы. Так, изме­ нение параметров номер 10, 11 и 24 (веса первой и второй связей третьего нейрона скрытого слоя и вес связи с ним выходного нейрона, соответст­ венно) вызывает наибольшие нарушения в работе неироконтроллера. В то же время 100%—ое изменение 4, 17 и 22 параметров (вес третьей связи первого и смещение пятого нейронов скрытого слоя и вес первой связи выходного нейрона, соответственно) практически не сказывается на эф­ фективности управления.

На рис. П 1.5 представлено семейство переходных функций системы управления при изменении значения 11—го параметра неироконтроллера в диапазоне от -100% до 100%. Изменения в пределах 50% оказывают влияние в основном на статическую ошибку, большие же изменения на­ рушают также и динамические свойства системы, увеличивая колебатель­ ность. Семейство, представленное на рис. П1.6, показывает, что изменение 17—го параметра сказывается лишь на статической ошибке системы.

84

Помимо оценки изменений, вызванных варьированием значений на­ строечных параметров нейрокоитроллера, большой интерес представляет анализ влияния на его работу аварий в виде обрыва межслойных связей, выходе из строя нейронов или обрыва обратных связей всей системы управления.

На рис. П1.7 представлен график изменения функционала качества ра­ боты системы управления при последовательном, в произвольном поряд­ ке, выходе из строя межслойных соединений (сигналы от поврежденных связей считаются нулевыми). Благодаря тому, что информация передается и обрабатывается нейронами параллельно, при обрывах межслойных свя­ зей наблюдается не резкая утеря, а постепенная деградация работоспособ­ ности системы.

Рис. П1.7. Изменение качества работы системы управления при последовательном выходе из строя связей нейронной сети (кривая I — функционал качества для поврежденной системы, кривая 2 — для системы без повреждений)

Распределение функций между отдельными нейронами скрытого слоя можно выяснить, сравнив переходные процессы в системе при их отклю­ чении (на выходе нейрона нулевой сигнал). Рис. П1.8 показывает, что

85

ключевая роль в данном неироконтроллере принадлежит третьему нейро­ ну скрытого слоя. При его аварии (рис. П1.8в) сеть теряет способность различать входной сигнал управления и,., (т. е. его амплитуду и поляр­ ность), и нейроконтроллер выдает постоянный сигнал. Четвертый и пятый скрытые нейроны определяю], прежде всего, динамические свойства нейроконтроллера, так как при их поломке (рис. П1.8г,д) резко увеличивается колебательность системы. Роль первого и второго нейронов, очевидно, из—за некоторой избыточности структуры нейроконтроллера менее зна­ чительна, и их выход из строя заметен только при определенных величи­ нах входного сигнала и,(рж. П1.8а,б). Таким образом, отдельные нейроны в сети не только делят между собой процесс вычисления, но и выполняют различные функции.

:. - . Д - * - ,

:. ПИ7''."^

д)

Рис. П1.8. Переходные процессы в системе при подаче на вход сигнала задания «,-=-1,0,1 с отключенными а) 1—м, б) 2—м, в) 3—м, г) 4—м,

д) 5—м нейронами скрытого слоя

Другой достаточно часто встречающейся аварийной ситуацией являет­ ся обрыв обратных связей в системе управления. На рис. П1.9 представле­ ны переходные процессы при различных вариантах аварий, при этом, как

86

и ранее, считается, что сигналы в поврежденных линиях нулевые. Как по­ казывают эксперименты (рис. П1.9а), в случае обрыва обратной связи по выходному сигналу хк система сохраняет динамические свойства объекта управления, но резко ухудшается ее статическая характеристика. Обрыв обратной связи по задержанному выходному сигналу хк.\ (рис. П1.96) при­ водит к возникновению в системе устойчивого колебательного процесса с частотой, в три раза превышающей собственную частоту объекта управле­ ния. В случае аварии в обоих каналах обратной связи по Хк и Хк-\ (рис,П1.9в) нейроконтроллер превращается в линейный усилитель с ко­ эффициентом усиления 3,8.

^г ^г

Л^ ^ - ^ ~

1 ±.

-- .. Л ^2^.^.^Л к

зэ_**

а) б)

в)

Рис. Ш.9. Переходные процессы в системе при подаче на вход сигнала задания и,.^1,0,1 с оборванными обратными связями: а) по х^; б) по хкЛ\

в) одновременно по х*и;сы

Таким образом, анализ эффективности работы нейроконтроллера при различных параметрических возмущениях доказывает возможность его аппаратной реализации и использования в реальных системах автоматиче­ ского управления.

87

ПРИЛОЖЕНИЕ 2. ЭМУЛЯТОР КОЛЕБАТЕЛЬНОГО ЗВЕНА БЕЗ ЗАТУХАНИЯ

Параметры динамического объекта Г =0,5, с,= 0. Закон предсказания:хк+1 =ЫЕ(хк,хк_1,ик). Дискретность шага предсказания: Д = 0,05с. Количество нейронов в скрытом слое: 29.

к- с ,

я" Г

Ъ-*$

е. °1

б)

а)

в)

Рис. П2.3 Реакция динамического объекта (кривая 2) и его нейроэмулятора (кри­ вая 3) на тестовые входные воздействия (кривая 1) в виде: а) единичного поло­ жительного скачка; гармонических сигналов частотой б) 0,32 Гц и в) 0,64 Гц.

88

89

ПРИЛОЖЕНИЕ 3. РЕЗУЛЬТАТЫ СИНТЕЗА И АНАЛИЗ ПАРАМЕТРИЧЕСКОЙ ЧУВСТВИТЕЛЬНОСТИ ЭМУЛЯТОРА КОЛЕ­ БАТЕЛЬНОГО ЗВЕНА С ЗАТУХАНИЕМ

Параметры динамического объекта Т - 0,5, с, - 0,1. Закон предсказания: хк+] = 'ЫЕ(хк,хк_],ик).

Шаг предсказания; Д = 0,05с. Глубина предсказания: 20 с.

Количество нейронов в скрытом слое: 8,

90

• * * * • * • * » • • • * • * •

а) б)

в)

Рис. ПЗ.З Реакция динамического объекта (кривая 2) и его нейроэмулятора (кри­ вая 3) на тестовые входные воздействия (кривая 1) в виде а) единичного положи­ тельного скачка, гармонического сигала частотой б) 0,32 Гц и в) 0,64 Гц

Так как целевая функция, использовавшаяся генетическим алгоритмом при обучении эмулятора, включала помимо ошибки в воспроизведении тренировочных шаблонов штраф, пропорциональный количеству узлов в скрытом слое, то в первом приближении можно считать, что описываемая сеть обладает минимальной структурой.

Представленный ниже анализ влияния даже чрезвычайно малых иска­ жений оптимального вектора настроек выявил очень высокую параметри­ ческую чувствительность данного решения. Чем ее можно объяснить, пока не ясно. Мы думаем, три фактора могли сыграть в этом деле существен­ ную роль. Во первых, возможно, не стоило стремиться к минимизации количества скрытых нейронов. Во—вторых, отсутствие в процессе синтеза сети контроля за соотношением расстояний между центрами и шириной окон активационных функций. Наконец, в третьих, применение специфи­ ческого локального ускорителя ГА, использующего процедуру обращения матрицы. Как бы ни было, это, безусловно, проблема, без решения которой говорить об аппаратной реализации эмулятора не приходится.

91

А) Изменение ширины окна активационной функции.

Реакции эмулятора на ступенчатое возбуждение, соответствующие различным искажениям параметра о4 , демонстрирует рис. П3.4. Кривая 3 соответствует изменению параметра на 0,01% от оптимальной величины; при этом е=3,8410 . Кривая 4 соответствует изменению параметра на 0,1%; при этом е=8,67- Ю-1. Кривая 5 соответствует изменению параметра на 0,2%; при этом е=1,2210 . Зависимость среднеквадратичной ошибки от изменения параметра ал приведена на рис. П3.5.

Рис. П3.4. Влияние искажения оптимальной настройки ширины окна активаци­ онной функции на способность нейросети эмулировать тестовый динамический объект. Кривая 1 — входной ступенчатый сигнал; 2 — эталонная реакция объекта;3 — выход сети при а4=99,99; 4 — выход сети при а4=99,90; 5 — выход сети при а4=99,80.

Рис. П3.5. Зависимость среднеквадратичной ошибки от изменения параметра о~4

В) Изменение координаты центра активационной функции Сз,8- Работа эмулятора демонстрируется на рис. П3.6. Кривая 3 соответству­

ет отклонению параметра на 0,1% от оптимального значения; при этом е=4,61* Ю-1. Кривая 4 соответствует отклонению параметра на 1%; при этом е=1,87. Кривая 5 соответствует отклонению параметра на 4%; при

92

этом е=12,5. Зависимость среднеквадратичной ошибки от изменения па­ раметра с3« приведена на рис. П3.7.

/

***

/

Г1/У\ Л

\ •

*•/ 1 — — — —

Рис. П3.6. Влияние искажения оптимальной настройки координаты центра активационной функции на способность нейросети эмулировать тестовый динамиче­ ский объект. Кривая 1 — входной ступенчатый сигнал; 2 — эталонная реакция объекта; 3 — выход сети при с3,8=-0,01702; 4 — выход сети при с3,8—0,0172; 5 — выход сети при сзЯ=-0,0174.

Рис. П3.7. Зависимость среднеквадратичной ошибки от изменения параметра с3,к.

С) Изменение синаптического веса выходного нейрона.

Работа эмулятора демонстрируется на рис. П3.8. Кривая 3 соответству­ ет изменению наибольшего по модулю параметра и^ на 10"5%; при этом е=1,9410" . Кривая 4 соответствует изменению параметра и^ на 10 %; при этом е=16,71. Кривая 5 соответствует изменению наименьшего по мо­ дулю параметра П7, 11а 0,007%; при этом е=1,54. Кривая 6 соответствует

93

изменению параметра иу, на 0,1%; при этом е=80,15. Зависимость средне­ квадратичной ошибки от изменения параметра щ приведена на рис. П3.9.

Рис. П3.8. Влияние искажения оптимальной настройки синаптического веса вы­ ходного нейрона на способность нейросети эмулировать тестовый динамический объект. Кривая 1 — входной ступенчатый сигнал; 2 — эталонная реакция объек­ та; 3 — выход сети при н>2—47788,673; 4 — выход сети при ч>2—47788,637; 5 — выход сети при №6= 131,180; 6 — выход сети при щ= 131,280.

ч— ^ - 1

Рис. П3.9. Зависимость среднеквадратичной ошибки от изменения параметра и>2

94

ПРИЛОЖЕНИЕ 4. ЭМУЛЯТОР КОЛЕБАТЕЛЬНОГО ЗВЕНА С СИЛЬНЫМ ЗАТУХАНИЕМ

Параметры динамического объекта: Т = 0,5, <; = 0,5. Закон предсказания: хк+] -ЫЕ(хк,хк_иик)

Шаг предсказания: Д = 0,05с. Глубина предсказания: 20 с.

Количество нейронов в скрытом слое: 10.

Рис. П4.1 Структура иейроэмулятора наР и с -П 4 - 2 Схема обучения нейроэмуля-

95

в)

Рис. П4.3 Реакция динамического объекта (кривая 2) и его нейроэмулятора (кри­ вая 3) на тестовые входные воздействия (кривая 1) в виде а) единичного положи­ тельного скачка, гармонического сигала частотой б) 0,32 Гц и в) 0,64 Гц

96

ПРИЛОЖЕНИЕ 5. ВИРТУАЛЬНЫЙ ТРАКТ УПРАВЛЕНИЯ НА БАЗЕ НЕЙРОЭМУЛЯТОРА

Параметры нейроэмулятора представлены в Приложении 3. Дискретность управления А, = 0,1 с, шаг предсказания А2 = 0,05с. Закон управления: ик+{ -ис(хк,хк_{,игк),

Активационная функция скрытых нейронов у = (И 2>Л +щ,

,=]

Количество нейронов в скрытом слое: 10.

Рис, П5.2 Структура неирокон­ троллера на базе многослойного

Рис. П5.1 Схема виртуального тракта перцептрона NN3-10-1 интеллектуальной САУ

Таблица П5.1 Смещение и синаптические веса скрытых нейронов неироконтроллера

97

Таблица П5.2 Смещение и синаптические веса выходного нейрона нейроконтроллера

Рис. П5.3 и П5.4 демонстрируют работу нейроконтроллера в составе, соответственно, виртуального и прямого трактов управления интеллекту­ альной САУ. Как видно, неироконтроллер вполне успешно справляется как с нейроэмулятором, с помощью которого он был синтезирован, так и с самим динамическим объектом.

м*г~1

Т ч.

\ •

\ \1 *-^

98

ПРИЛОЖЕНИЕ 6. ГЕНЕТИЧЕСКИЕ АЛГОРИТМЫ И ИСКУССТВЕН­ НЫЕ НЕЙРОННЫЕ СЕТИ В ИНТЕРНЕТЕ

Спектр предлагаемых Интернетом услуг настолько широк, что он в со­ стоянии изменить весь стиль научной жизни и творчества. Интернет пре­ доставляет уникальные каналы для получения свежайшей информации по любому интересующему вас вопросу, предлагает реальные средства при­ общиться к жизни мирового научного сообщества, не покидая пределов родного города.

Впрочем, агитировать за Интернет вряд ли еще актуально, мы надеем­ ся, что у вас есть к нему доступ, и хотели бы просто дать краткий список полезных адресов, связанных с деятельностью ГА+ИНС сообщества.

Крупнейшим хранилищем информации в области эволюционного мо­ делирования является Ег4С(ЖЕ (ТЬе ЕуоШпоЫагу СОтршапоп КЕрозкогу пе1шогк) — специализированная сеть, объединяющая РТР-серверы веду­ щих научно-исследовательских организаций и высших учебных заведе­ ний, известных своими достижениями в области ГА и ИНС. Одновремен­ но ЕИССЖЕ выступает дистрибьютором научных материалов тех учреж­ дений, которые не имеют собственных ГТР-серверов. Все узлы сети ЕЫСОКЕ содержат одну и ту же информацию, доступную по протоколу РТР и "УУ\У\У. В следующей таблицеце приведены адреса некоторых из \У\УУУ-узлов.

Другие серверы предлагают доступ только по протоколу РТР (более доступному на сегодняшний день).

99

Примечательно, что в Америке помимо издающихся в привычном виде журналов (таких специализированных журналов два - Еуо1итлопагу Сотри1а1юп ё 1ЕЕЕ Тгапзасйопз оп ЕуоЫНопагу СотрЩаНоп), ВЫХОДИТ электрон­ ный журнал «ТЬе Сепейс А1§оп1Ьт 01§ез1:». Номер объемом 4-5 страниц выходит почти еженедельно (60 раз в год), содержит дневник конферен­ ций и вообще играет роль постоянно действующего круглого стола, объе­ диняющего почти 2000 поклонников ГА со всего мира. Подписка на жур­ нал осуществляется бесплатно. Достаточно послать запрос по электронной почте по адресу: ЕтаП: §а-Ш1-КЕ(2иЕ8Т@тс. пг1пауу.тИ с пометкой 8иЬ§спЬе в строке письма 8иЬ]ес1. Журнал имеет свой архив, доступный по адресам: ЪЩ\//\т\ум1смг1птту.тН/%а1Ш1 или йр;///1р,шс.пг1.пауу.тИ:/ риЪ/§а1Ы/.

Другой электронный журнал, на который также можно бесплатно под­ писаться по электронной почте, известен под названием «САКЫ» (Сепейс А1§оп1Ьтз апё №ига1 КейУогкз). Он, конечно, более специализирован и посвящен сугубо проблемам эволюционного синтеза нейронных сетей. Официальный адрес журнала, куда следует направлять запрос на подписку

100

с пометкой ЙиЬзспЬе в строке письма 8иЬ]ес(, следующий: Етт\://§аппгедие8{@е8.ш$Ше.ес1и.

Кроме электронных журналов в Интернете проходят заочные конфе­ ренции. Одна из них (Г1 Оп-1те \Уогкзпор оп 8ой Сотри1т§ \У8С1) была проведена в августе 1996 года Нагойским университетом, Япония. Проце­ дурно конференция организована следующим образом. Вы как участник обязаны представить доклад в Ро813спр1 формате, а после того, как орга­ низаторы конференции сформируют страницу на сервере, ознакомиться с докладами и принять участие в дискуссии, осуществляемой по электрон­ ной почте. Конференция заняла 2 недели и имела успех. Ознакомиться с ее материалами можно по адресу: Ы1р://\кцщ>.Ыое1е.пиее.па§оуа-и.ас.]р/шс1/.

Наконец, несколько слов о крупнейших научных и учебных центрах, уделяющих большое внимание просветительской работе в области ГА.

При Алабамском университете создан Дом просвещения, который за­ нимается распространением технических отчетов по ГА. Они хранятся в сжатом виде в Роз18спр1: формате на РТР сервере университета $Хф\//агат\.8.с8ма.ес(и/риЪ/1есЪ-героН&/.

ВУниверситете Джорджа Мэйсона работает одна из наиболее сильных

вСША исследовательских групп. Многие из статей участников группы хранятся в виде Ро518спр1-файлов на сервере ЪМр'//тш.с$.§ти.ес?11/ гезеагск/§а§/.

При университете штата Мичиган работают 2 организации, занимаю­ щиеся вопросами распространения эволюционных технологий в мире, а также внедрением достижений эволюционной парадигмы в сферу про­ мышленного производства. Первая из них, «Российски—Американский Консорциум по интеллектуальным САПР и Генетическим Алгоритмам», объединяет усилия Университета штата Мичиган, шести российских тех­ нических университетов (Бауманское училище, Московский авиационный институт, Нижегородский университет, Таганрогский университет радио­ электроники и др.), а также Харьковского политехнического университета

вразвитии эволюционных методов оптимального проектирования, а также

впоиске новых прикладных областей для ГА. Вторая организация, так на­ зываемый ОАКАОе (Оепепс А1§оп1пт Кезеагсп апо" АррИсапоп Огоир), имеет более практическую направленность и занимается осуществлением финансируемых промышленностью США проектов. Некоторые из россий­ ских участников Консорциума одновременно являются участниками ОАКАОе. Информацию об исследовательских проектах ОАКАОе можно найти в ДУДУ\У по адресу \\Щ>\//Ш.ср8.тш.ес1и/СА.

Школа когнитивных и компьютерных наук Университета графства Сассекс, Англия, также хорошо известна своими достижениями в ГА и ИНС. Адрес сервера школы : \Щ>://м?м?м>.со%$.$11$х.ас.ик:/1аЬ/ас1ар1.

101

ВИнтернете можно найти большое количество программного обеспе­ чения по ГА и ИНС. Причем, большая часть пакетов распространяется и предлагается бесплатно. Исходные модули и уже скомпилированные фай­ лы и инструкции пользователю можно найти на тех же серверах. Ниже в таблицах мы приведем более подробные данные по ним, а также данные, касающиеся пакетов, распространяемых на коммерческой основе.

Взавершение два слова об аппаратной реализации нейронных сетей. Сегодня, по крайней мере, девять солидных фирм (1п1е1 Согр.; ЫеигоОупатХ, 1пс; НТМС, Гпс.; 8А1С; Мшго Оеуюез; Ыеига1\Уаге, 1пс; ТиЬЬ КезеагсЬ ЫгшЧес!; Аёарйуе 8о1шлоп5 1пс; 1С ТесЬ) предлагают на рынке свои разработки в области ИНС. К сожалению, они пока что довольно до­ рогостоящие. Для примера приведем данные по аналоговой плате 80170]М\У фирмы 1п1е1, содержащей полностью связанную электрически тренируемую сеть из 64 нейронов.

Сама 1п1е1 по неизвестным причинам сняла плату с производства, но ее распространением продолжают заниматься ее партнер - ЫеигоОупатХ (ЕтаП: 1есЬ$ирроП@пс1х.сот), а также разработчик специализированного программного обеспечения СаНгогта Зсхепийс Зоплуаге (ЕтаП:

са15сИтШтапп@§у§р$а. §у§.1ек.сот).

Таблица П6.4 Некоммерческое программное обеспечение по ГА

102

Продолжение таблицы П6.4

Таблица П6.5 Коммерческое программное обеспечение по ИНС

103

Продолжение таблицы П6.5

104

Таблица П6.7 Некоммерческое программное обеспечение по ИНС