Нейро-автоматное управление Юрий Губин, СПбГУ ИТМО Анатолий Шалыто, СПбГУ ИТМО
Содержание Автоматное программирование Нейросети и их использование М-автоматы Расширенное состояние Применение
Искусственный интеллект Нисходящий подход: – Экспертные системы – Базы знаний – Business Intelligence Восходящий подход: – Нейронные сети – Генетические алгоритмы и эволюционные вычисления
Автоматное программирование Парадигма предложена Шалыто А.А. 1991г.
Автоматы Из чего состоит: – Состояния – Группы – Переходы Использование: – Вложение – Наследование
Автоматы Достоинства: – Верификация – Программа по модели, не наоборот – Документирование Применение: – Протоколы – Компиляторы – Микроконтроллеры – Оборудование и агрегаты
Нейросеть Принцип организации и функционирования биологических нейронных сетей Норберт Винер 1943г.
Нейросеть Этапы использования: – Сбор данных для обучения – Выбор топологии сети – Экспериментальный подбор характеристик сети и параметров обучения – Обучение Объект управления / Система управления ?
Нейросеть Недостатки: – Ограниченность применения – Сложность с обучением Применение: – Предсказание финансовых временных рядов – Кластеризация данных – Аппроксимация – Сигнализация процессов
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
М-автомат Из чего состоит: – Узлы – Воздействия – Отношения Отдельный блок решения с неочевидной реализацией
Расширенное состояние Состояние с нейросетью Взаимодействие с нейросетью на входе в состояние
Расширенное состояние Строим путь принятия решения Состояние само создает воздействие Выделяем блок принятия решения в автомате
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
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
Пример Обученный: – Не отравился – Результат : 110 Не обученный: – Два раза отравился – Результат: 30
Направление развитие Применение : – Датчики и сигнализация – Комплексный анализ Развитие: – Эксперименты – Сталкивание с генетическими алгоритмами
Ссылки Автоматное программирование: UniMod Библиотека для создания автоматов:
Спасибо за внимание!