МЕТОД ФОРМИРОВАНИЯ ВРЕМЕННЫХ ОБРАЗОВ ДЛЯ СИСТЕМ АВТОНОМНОГО АДАПТИВНОГО УПРАВЛЕНИЯ Ю. А. Мазур, А. А. Жданов Институт точной механики и вычислительной.

Презентация:



Advertisements
Похожие презентации
1 ДИНАМИЧЕСКАЯ СЕГМЕНТАЦИЯ ПРОСТРАНСТВА ПРИЗНАКОВ ДЛЯ СИСТЕМ АВТОНОМНОГО АДАПТИВНОГО УПРАВЛЕНИЯ И СИСТЕМ ОБУЧЕНИЯ С ПОДКРЕПЛЕНИЕМ А. Е. Лебедев, А. А.
Advertisements

1 Методология Автономного Адаптивного Управления бионический подход к построению нейроноподобных систем управления Институт системного программирования.
А.А. ЖДАНОВ, М.В. КАРАВАЕВ, А.Н. ЧЕРНОДУБ Программный инструмент 4GN для разработки интеллектуальных систем на основе бионического метода «Автономного.
1 Биологически инспирированное техническое зрение в системах автономного искусственного интеллекта А.А. ЖДАНОВ профессор, д.ф.-м.н. Институт точной механики.
«Современные техника и технологии 2004» Многоагентный нейроэволюционный подход к адаптивному управлению МНОГОАГЕНТНЫЙ НЕЙРОЭВОЛЮЦИОННЫЙ ПОДХОД К АДАПТИВНОМУ.
РАЗРАБОТКА СИСТЕМЫ УПРАВЛЕНИЯ ДВИЖЕНИЕМ ДЛЯ ШАССИ МАЛОГАБАРИТНОГО МОБИЛЬНОГО РОБОТА студент: Хализев М. Е., группа 513. научный руководитель: д.ф.-м.н.,
"Электронные библиотеки " Дубна Россия Метаданные в системе управления многоязычной лингвистической базой знаний Н.В. Лунева Институт.
ГЕНЕТИЧЕСКИЙ АЛГОРИТМ НАСТРОЙКИ ИСКУССТВЕННОЙ НЕЙРОННОЙ СЕТИ Конференция «Технологии Microsoft в информатике и программировании», февраля 2004г.
Архитектура компьютера: прошлое, настоящее и будущее.
Автор: Гавриченков Юрий Дмитриевич С.н.с. НИИРПО, лаборатории «Информационных технологий в образовании», доцент, к.т.н.
Линейная функция и ее график. Определение: Линейной функцией называют функцию вида y=kx+b, где k и b – заданные числа. y = x + 1.
Давайте попытаемся найти несколько определений слова робот. Такие определение можно найти на сайте Wikipedia в Интернете. Давайте попробуем определить.
Свойства функций Демонстрационный материал 11 класс Все права защищены. Copyright с Copyright с.
А.Н. ЧЕРНОДУБ, И.В. МОКРОВ, М.В. КАРАВАЕВ, А.А. ЖДАНОВ Прототип аварийно-устойчивого автопилота на основе бионического метода «Автономного Адаптивного.
Четные и нечетные функции. Периодичность функций Демонстрационный материал 10 класс.
Кафедра фотоники и оптоинформатики Санкт-Петербургский государственный университет информационных технологий, механики и оптики А.В.Павлов Оптические Технологии.
Операционные системы Процессы и потоки Скрипов Сергей Александрович 2009.
Классификация систем План I.Классификация системы II.Сложность системы.
Семинар-тренинг 5-8 октября 2014 года Примеры настройки целевых показателей, использование "1С:Монитор ERP" и аналитических отчетов Лебедев Сергей, фирма.
Цой Ю.Р., Спицын В.Г. К выбору размера популяции Интеллектуальные системы (AIS04), Россия, Дивноморское, 3-10 сентября, 2004г. К ВЫБОРУ РАЗМЕРА ПОПУЛЯЦИИ.
Транксрипт:

МЕТОД ФОРМИРОВАНИЯ ВРЕМЕННЫХ ОБРАЗОВ ДЛЯ СИСТЕМ АВТОНОМНОГО АДАПТИВНОГО УПРАВЛЕНИЯ Ю. А. Мазур, А. А. Жданов Институт точной механики и вычислительной техники имени С.А. Лебедева, Москва Лаборатория автономного адаптивного управления (AAC Lab)

Тело объекта управления Сенсоры Исполнители База знаний Подсистема формирования и распознавания образов (ФРО) Подсистема принятия решений Подсистема формирования Базы знаний Подсистема эмоций Структура и функции «нервной системы» Автономного Адаптивного управления (ААУ) Нервная система Внешняя среда (показаны только основные связи) 2/12 Память распознанных образов Память сформированных образов

Память распознанных образов 3/12 Проблема – ограниченность памяти распознанных образов Уровень 0 Уровень 1 Уровень 2 Удаление

4/12 Метод формирования временных образов Преимущества метода: простота универсальность время t Номер образа j* уровня L0 новый образ класса 1 уровня L1 новый образ класса 2 уровня L1 размер образа w

5/12 Отбор формируемых образов с помощью рейтинг-функции время t Номер образа j уровня L0 время t Модуль эмоциональной оценки 0 MaxEmotion

6/12 Результаты работы алгоритма. Размер образа уровня L1 w=5. Зависимость количества сформированных образов для разных порогов от числа кругов, которые прошел объект управления. Параметр w=5. Масштаб по оси ординат логарифмический.

7/12 Зависимость количества сформированных образов для разных порогов от числа кругов, которые прошел объект управления. Параметр w=10. Масштаб по оси ординат логарифмический. Результаты работы алгоритма. Размер образа уровня L1 w=10.

8/12 Выводы

9/12 Спасибо за внимание! Мазур Юрий Александрович младший научный сотрудник, «Институт точной механики и вычислительной техники имени С.А. Лебедева»

10/12 С Р Е Д А Система управления (мозг) Память распознанных образов Память выбранных действий Память текущих эмоциональных оценок общего состояния ОУ Оперативная память оценок действий Память образов База Знаний Память совершенных действий Подсистема формирования и распознавания образов Подсистема формирования БЗ Подсистема принятия решений Подсистема эмоций Подсистема определения времени принятия решений Память эмоциональных оценок образов сенсоры исполнители Приложение 1. ААУ Жданов А.А. Автономный искусственный интеллект. Монография. М.: БИНОМ. Лаборатория знаний, 2008.

11/12 Приложение 2. Робот и полигон.

12/12 Приложение 3. Похожие методы Jeff Hawkins, 2004