CC BY
16
22. Винокурова Е. А., Ламонова Н. С. Обучение вэйвлет-нейронной сети на скользящем окне // Междунар. научно-практическая конф. «Интеллектуальные системы принятия решений и информационные технологи»: Сб. научн. трудов. - Черновцы: ЧФЮИ, 2004. - С. 58-59.
23. Бодянский Е. В., Винокурова Е. А. Адаптивный вэйв-лет-нейронный предиктор // Проблемы бионики. - 2003. - Вып. 58. - С. 10-17.
24. Baumann M. Nutzung neuronaler Netze zur Prognose von Aktienkursen. - Report Nr. 2/96, TU Ilmenau, 1996. -
113 p.
25. Fueser K. Neuronale Netze in der Finanzwirtshaft. -Wiesbaden: Gabler, 1995. -437 p.
Надшшла 21.10.05
В cmammi запропоновано методы прогнозування ma емуляцп на оcновi гiбрuднux алгор-umMie обчжлювалъного iнmелекmу, а саме глбридних вейвлет-нейронних мережах. Розглянуто cmpyKmypy вейвлеm-нейрону i процедуру нас-mроювaння ycix його пaрaмеmрiв: cuнaпmuчнux ваг ma па-
paMempie po3mmaHHn (mupunu) eeuenem-aKmueau,iuHo'i rf>yHKU,i'i - ipadieHmHUM amopumMOM 3i 3ZAadxyeaHHXM, a napaMempie 3cyey (u,eHmpu) eeuenem-aKmueau,iuHo'i $yHK-u,i'i - amopumMOM HaenaHHn Ha monKax noeopomy. Amo-pumM HaenaHHn Ha monKax noeopomy do3eonae MiHiMi3y-eamu etyeKm 3cyey cuzHaxa npozHo3y eidHocHo fiaKmunmio cuzHa^y.
In the paper, the prediction and emulation methods based on hybrid algorithms of computational intelligence are proposed. The structure wavelet neuron and the learning procedure of all its parameters: the synaptic weight and the dilation factors of wavelet activation function using gradient algorithm with smoothing, and translation factors of wa-veet activation function using learning algorithm on the turning-points are considered. The turning-points learning algorithm allows minimize an effect of prognosis signal shifts with respect to the real signal.
УДК 681.5
С. А. Качур
МЕТОДОЛОГИЯ ПОСТРОЕНИЯ МОДЕЛИ НЕЙРОКОМПЬЮТЕРА НА ОСНОВЕ СЕТЕЙ ПЕТРИ КАК АДАПТИВНОЙ СИСТЕМЫ
УПРАВЛЕНИЯ
Предложена методика построения нейрокомпьютера на основе понятий и методов следующих областей знаний: 1) физиологии человека; 2) теории автоматического управления; 3) искусственного интеллекта; 4) теории сетей Петри; 5) теории системного анализа.
ВВЕДЕНИЕ
Под нейрокомпьютером (НК) будем понимать «искусственный мозг», который строится и функционирует по аналогии с мозгом человека [1]. Хотя еще не созданы такого типа нейрокомпьютеры, попытки их разработки являются актуальными. Аналогия нейрокомпьютера с человеческим мозгом условна, т. к. процесс мышления является духовной деятельностью и в целом присущ только человеческому мозгу [2]. Несмотря на это, представления о принципах организации человеческого сознания дают ключ к построению нейрокомпьютера, способного выполнять обработку информации и принимать решение при определенных ограничениях. Такие организационные принципы были выдвинуты американским физиологом В. Маункаслом [2]. В настоящее время ученые пытаются найти способы проверки этой концепции.
© Качур С. А., 2005
1 ПОСТАНОВКА ПРОБЛЕМЫ СОЗДАНИЯ
СОВРЕМЕННОГО НК
Проблема состоит в построении таких моделей и (или) проведении таких экспериментов, при которых сознание рассматривается целостно, а не расчленяется на отдельные структурные или функциональные составляющие.
Для решения данной проблемы предлагается:
1) выделить блоки нейронных сетей по глобальному характеру функционирования в рамках НК;
2) определить модель иерархии управления (алгоритмов управления) как основу для реализации интеллектуального управления;
3) описать все блоки НК и их взаимосвязи на базе СП.
2 ОСНОВНЫЕ ПОЛОЖЕНИЯ
МЕТОДОЛОГИИ ПОСТРОЕНИЯ НК
С точки зрения теории автоматического управления в некотором приближении организацию сознания можно представить в следующем виде. С одной стороны, человеческий мозг является оптимальной адаптивной
системой автоматического управления (АОСАУ). В качестве объекта управления выступает сеть нейронных модулей переменной структуры со случайными параметрами (объемами нейронных модулей) при случайных внешних воздействиях, т. е. стохастическая система, элементами (стохастическими подсистемами) которой являются нейронные модули. С другой стороны, человеческий мозг является устройством управления человеческим организмом в целом, который также можно рассматривать как АОСАУ.
С точки зрения теории искусственного интеллекта нейронные сети, элементами которых являются нейронные модули (модулярные колонки), занимают промежуточное положение между А-сетями (ансамблевыми нейронными сетями) и М-сетями (активными семантическими сетями).
С точки зрения теории сетей Петри (СП), нейронная сеть описывается стохастической СП со сдерживающими событийными гипердугами [3]. Переходы СП составными.
С точки зрения системного анализа описание организации сознания должно иметь иерархическую структуру, т. е. нижний уровень соответствует модулярной колонке, промежуточный уровень - зонам коры головного мозга и различным его отделам, верхний уровень - мозгу человека в целом.
Таким образом, методология построения модели НК основывается на понятиях и методах пяти областей знаний: 1) физиология человека; 2) теория автоматических систем; 3) искусственный интеллект; 4) теория СП; 5) теория системного анализа.
Наибольшее значение при создании модели отводится методам теории автоматического управления и теории сетей Петри. При этом учитывается конкретная область применения НК.
3 МЕТОДОЛОГИЯ ПОСТРОЕНИЯ МОДЕЛИ
НК НА БАЗЕ СП
Рассмотрим НК как АОСАУ, объектом управления которой является нейронная сеть, описанная СП. 0бу-чение сводится к заданию входного воздействия и формированию на основе анализа реакции системы управляющего воздействия, которое формируется в виде вектора сигналов «поощрения» («наказания») при соответствии (несоответствии) полученной реакции системы требуемой. Блок формирования управляющего для нейрокомпьютера воздействия назовем меди-аторной памятью. Для организации самообучения используется декларативная память, хранящая систему требований, ограничений и множество запрещенных ситуаций, которые могут изменяться (расширяться) в процессе функционирования системы.
Основная проблема при разработке модели заключается в выборе структуры описания объекта. Алгорит-
мы функционирования модели являются вторичными и зависят от формы представления информации об объекте. Главным признаком сложной системы выступает иерархичность. Для разрабатываемой модели иерархичность соблюдается в описании уровней абстракций модели, описываемых СП. С повышением сложности модели возрастает моделирующая способность сети при снижении ее разрешающей способности. Однако, не смотря на то, что в основу модели положено расширение СП [3], в малом интервале времени т на конкретном уровне функционирования все активные переходы СП работают параллельно и независимо друг от друга (независимость в малом при наличии зависимости в большом). Главная задача при создании модели состоит в определении уровней абстракций и связей между ними.
Предлагается ввести пять уровней абстракции модели НК: 0) НК как АОСАУ, объектом управления которого является нейронная сеть; 1) взаимосвязи режимов работы НК; 2) режим работы НК; 3) блок нейронной сети; 4) модуль нейронов как неделимый элемент системы.
Каждый уровень представляет собой СП, включающую составные переходы. СП четвертого уровня описывает в некотором приближении функционирование модулярной колонки и сопоставляются переходам СП третьего уровня. Каждый блок НК на небольшом интервале времени можно рассматривать как объект отдельной адаптивной оптимальной системы, управляющим устройством (УУ) которой при обучении является медиаторная память, а при самообучении также и декларативная. Медиаторная и декларативная память представляют собой УУ как для каждого блока системы, так и для системы в целом.
Возможная схема функционирования НК как АОСАУ приведена на рисунке 1. На схеме приняты следующие обозначения: БЗК - блок зрительной коры; БАП -блок архивной памяти; БПТР - блок принятия текущего решения; БК - блок координации; БМДП - блок медиаторной и декларативной памяти. Объект управления (ОУ) включает БЗК, БАП, БПТР, БК. В качестве УУ выступает БМДП. Внешнее случайное воздействие задано вектором параметров, поступающим от измерительных систем.
В зависимости от специфики функционирования каждому блоку сопоставляется некоторое подмножество алгоритмов. Множество всех алгоритмов НК можно сравнить с системой команд микропроцессора. Причем, алгоритмы могут быть трех типов и образовывать следующую иерархию (в соответствии с иерархией модели): 1) алгоритмы работы с декларативной памятью; 2) алгоритмы обработки результатов выполнения третьего типа алгоритмов; 3) адаптивные алгоритмы оптимизации параметров и структуры; 4) алгоритмы фун.кционирования нейронного модуля, в основе опи-
90
1607-3274 «Радюелектронжа. 1нформатика. Управлшня» № 2, 2005
БМДП
Рисунок 1 - Функциональная схема НК как АОСАУ
сания которого лежит система дифференциальных уравнений.
Результаты работы алгоритмов третьего типа заключаются в изменении структуры и параметров СП и являются исходными данными для алгоритмов второго типа. Результаты выполнения алгоритмов второго типа хранятся в декларативной памяти как несетевые элементы кратковременной, долговременной и архивной памяти. К алгоритмам первого типа можно отнести алгоритмы модификации структуры архивной памяти, принятия решения, идентификации образов, ситуаций и т. п., которые осуществляются на основе информации, хранящейся в декларативной памяти.
СП первого уровня отражает связи всех режимов работы (прямые, обратные).Ее переходам сопоставлены режимы работы НК. В случае, если какие-то режимы одновременно выполняться не могут, то входные дуги переходов, соответствующих этим режимам, охватываются сдерживающими событийными гипердугами.
На втором уровне (описание режима) переходам СП сопоставляются блоки НК. СП описывает процесс передачи информации от одного блока к другому. При срабатывании переходов СП второго уровня выполняются адаптивные алгоритмы, сопоставленные данным переходам. Так как УУ является общим для всех блоков, и выходы одного блока являются входами других, то происходит адаптивная оптимизация структуры и параметров всех блоков рассматриваемого режима (или режимов) работы СП.
Основной особенностью такой организации является параллельность функционирования одних и тех же блоков при одновременном выполнении нескольких режимов НК. Таким образом, можно говорить не только о структурной параллельности, но и о функциональной параллельности при описании работы объекта. При функциональной параллельности возникает взаимозависимость функций, т. е. результат выполнения нескольких функций будет отличен от общего результата выполнения этих же функций независимо друг от друга. Таким образом, в малом промежутке
о—н—•
БК '
Рисунок 2 - Примеры СП возможных режимов работы Р1(а), Р2(б), Р3(в) НК
времени при иерархической организации структуры имеем сетевую организацию функций. В различных режимах работы для одного и того же блока могут быть использованы различные алгоритмы обработки информации (разные ветви дерева иерархии алгоритмов). При параллельном выполнении нескольких режимов
)
а
)
возможна ситуация одновременного обращения к одному и тому же блоку. Для избежания подобных ситуаций (конфликтов) применяются сдерживающие событийные гипердуги.
Примеры нескольких режимов (Р1, Р2, Р3) работы НК приведены на рисунке 2. Связь этих режимов с выделением ОУ И УУ отражена на рисунке 3.
Рисунок 3 - Пример СП возможного взаимодействия режимов ПК
ЗАКЛЮЧЕНИЕ
Предложенная структура описания НК как АОСАУ на базе СП с использованием иерархии алгоритмов на основе адаптивных алгоритмов позволяет построить гибкую без нарушения целостности функционирования функционально-структурную модель НК различного целевого назначения. Под целостностью функци-
онирования будем понимать взаимосвязь и взаимозаменяемость отдельных функций системы в процессе ее работы с учетом динамики изменения внешних случайных воздействий. Гибкость заключается в различии обучения для НК одного класса ОУ (универсальность внутри класса). Для различных классов ОУ целесообразно применять НК различного типа. Предполагается разработка конкретных моделей НК специального назначения.
ПЕРЕЧЕНЬ ССЫЛОК
1. Амосов Н. М. Нейрокомпьютеры и интеллектуальные роботы / Н. М. Амосов, Т. Н. Байдык, А. Д. Гольцев; Под ред. Н. М. Амосова. - К.: Наук. думка, 1991. - 271 с.
2. Блум Ф. Мозг, разум и поведение / Ф. Блум, А. Лей-зерсон, Л. Хофстедтер - М.: Мир, 1988. - 248 с.
3. Качур С. А. Модель стохастических систем и их соединений на основе сетей Петри // Проблемы управления и информатки. - 2002. - № 1. - С. 93-98.
Надшшла24.01.05 Шсля доробки 22.08.05
Запропоновано методику побудови нейрокомпьютера на основ1 понять i метод1в наступних областей знань: 1) ф1зюлогп людини; 2) теорп автоматичного керуван-ня; 3) штучного iнтелекту; 4) теорп мереж Петрi; 5) теорп системного аналiзу.
The technique of construction of neurocomputer is offered on the basis of concepts and methods of the following fields of knowledge: 1) human physiology; 2) theories of automatic control; 3) an artificial intellect; 4) theories of the Petri nets; 5) theories of the system analysis.
УДК 621.531
В. П. Квасшков, М. С. Руднева
ОПТИМАЛЬНА СТРУКТУРА 1НФ0РМАЦ1ЙН0-ВИМ1РЮВАЛЬН01 СИСТЕМИ К00РДИНАТН0-ВИМ1РЮВАЛЬН01 МАШИНИ
Розроблена оптимальна структура тформацшно-ви-м1рювальноЧ системи координатно-вим1рювальноЧ маши-ни, яка представляв собою вим1рювальний комплекс, що мае алгоритм вибору найб1льш достов1рноЧ тформацп та алгоритм оцтювання стану системи. Наведена оптимальна структура дозволяе забезпечити найб1льш ефек-тивний режим роботи координатно-вим1рювальноЧ маши-ни на кожному етат процесу вим1рювання.
ВСТУП
Розроблена концепщя штелектуальних систем [1] використовуеться при синтез! систем керування та об-робки шформацп нового поколшня. В рамках ще! кон-цепцп складна система керування координатно-вим1-
© Квасшков В. П., Руднева М. С., 2005
92
рювальною машиною (КВМ) розробляеться як функ-цюнальна система, що сприяе досягненню задано'! ко-ординати вим1рювання та виступае в тому числ1, ! як системостворюючий фактор.
1нтелектуальна система керування, що реал1зуе ме-хашзм саморегуляци, являе собою сукупшсть техшч-них засоб1в ! програмного забезпечення. Така система працюе у взаемозв'язку з оператором-метрологом автономно, реал1зована системою реального часу, ! тому здатна на основ! апрюрно! шформаци та вим1рювань параметр1в стану при наявноси мотивацп синтезувати мету, виробляти р1шення про характер ди системи ! знаходити рацюнальш способи досягнення мети.
ISSN 1607-3274 «Радюелектрошка. 1нформатика. Управлшня» № 2, 2005
