'

Нейро-автоматное управление

Понравилась презентация – покажи это...





Слайд 0

Нейро-автоматное управление Юрий Губин, СПбГУ ИТМО Анатолий Шалыто, СПбГУ ИТМО


Слайд 1

Содержание Автоматное программирование Нейросети и их использование М-автоматы Расширенное состояние Применение


Слайд 2

Искусственный интеллект Нисходящий подход: Экспертные системы Базы знаний Business Intelligence Восходящий подход: Нейронные сети Генетические алгоритмы и эволюционные вычисления


Слайд 3

Автоматное программирование Парадигма предложена Шалыто А.А. 1991г.


Слайд 4

Автоматы Из чего состоит: Состояния Группы Переходы Использование: Вложение Наследование


Слайд 5

Автоматы Достоинства: Верификация Программа по модели, не наоборот Документирование Применение: Протоколы Компиляторы Микроконтроллеры Оборудование и агрегаты


Слайд 6

Нейросеть Принцип организации и функционирования биологических нейронных сетей Норберт Винер 1943г.


Слайд 7

Нейросеть Этапы использования: Сбор данных для обучения Выбор топологии сети Экспериментальный подбор характеристик сети и параметров обучения Обучение Объект управления / Система управления ?


Слайд 8

Нейросеть Недостатки: Ограниченность применения Сложность с обучением Применение: Предсказание финансовых временных рядов Кластеризация данных Аппроксимация Сигнализация процессов


Слайд 9

М-автомат Принятие решения: Можно выделить несколько стадий Есть условия и критерии Можно выделить «путь размышления» Автоматы мышления: Предложены Н.М. Амосовым в «Автоматы и разумное поведение» Узел отвечает за определенное событие/чувство/характеристику


Слайд 10

М-автомат Из чего состоит: Узлы Воздействия Отношения Отдельный блок решения с неочевидной реализацией


Слайд 11

Расширенное состояние Состояние с нейросетью Взаимодействие с нейросетью на входе в состояние


Слайд 12

Расширенное состояние Строим путь принятия решения Состояние само создает воздействие Выделяем блок принятия решения в автомате


Слайд 13

Расширенное состояние Параметры: Тип нейросети Количество входов, выходов Список воздействий Обучение: На этапе создания В процессе работы – автомат помнит путь размышления Меняется настройка автомата, а не его структура


Слайд 14

Пример Условия: Кто: ежик – ходит вперед, ест грибы Грибы – разный вес (10, 20, 40, -40) Нельзя есть ядовитые грибы Ежик не ест, когда наелся На ход тратит 10, ест если набрал меньше 100 Блок принятия решений: Блок принятия решений состоит из расширенных состояний Обучаем при создании автомата


Слайд 15

Пример Обученный: Не отравился Результат : 110 Не обученный: Два раза отравился Результат: 30


Слайд 16

Направление развитие Применение : Датчики и сигнализация Комплексный анализ Развитие: Эксперименты Сталкивание с генетическими алгоритмами


Слайд 17

Ссылки Автоматное программирование: http://is.ifmo.ru UniMod http://unimod.sourceforge.net/intro.html Библиотека для создания автоматов: https://cyberdisk-science.googlecode.com/svn/branches/030609/docs


Слайд 18

Спасибо за внимание!


×

HTML:





Ссылка: