CC BY
8INTERNATIONAL SCIENTIFIC AND TECHNICAL CONFERENCE "DIGITAL TECHNOLOGIES: PROBLEMS AND SOLUTIONS OF PRACTICAL IMPLEMENTATION IN THE SPHERES" APRIL 27-28, 2023
МУРАККАБ ОБЪЕКТЛАРНИНГ ТЕЗКОР-БАШОРАТЛОВЧИ БОШЦАРУВ ТИЗИМЛАРИНИ АДАПТИВ НЕЙРО-НОРАВШАН МОДЕЛЛАШТИРИШ
МАСАЛАЛАРИ
Дошанова Малика1, Мирзомухаммад Каримов2, Толиббек Дилмуродов3
!Мух,аммад ал-Хоразмий номидаги Тошкент ахборот технологиялари университети,
«Ахборот технологияларининг дастурий таъминоти» кафедраси доценти, 2'3Мух,аммад_ал-Хоразмий номидаги Тошкент ахборот технологиялари университети, «Дастурий инжиниринг» факультети талабаси https://doi.org/10.5281/zenodo.7857820
Abstract. In this article, distributed adaptive neuro-fuzzy models for decision support in fast predictive control systems for complex processes are considered and their structures are analyzed.
Keywords: Neuro-fuzzy model, decision making, complex process, weight, incoming signal, layer.
КИРИШ
Мураккаб жараёнларни тезкор башоратловчи бошкарув тизимларида регуляторларнинг функцияларини бажарадиган дастурлаштириладиган мантикий контроллерларнинг ишлаш алгоритмларини ишлаб чикишга мурожаат килайлик. Бундай карорларни кабул килишни куллаб-кувватлаш тизимларида таксимланган адаптив нейро-норавшан архитектура [1, 2] олти катламли нейрон тузилма куринишида булиб, унинг тузилиши 1-расмда келтирилган. Бунда кирувчи сигналлар алох,ида нейро-норавшан тузилмалар буйича "таксимланади" хдмда х,ар бири алох,ида остмодел ролини бажарадиган нейро-норавшан тузилмалар тармоги яратилади ва йигма (умумлаштирилган ёки глобал) модел остмоделлар тупламидан ташкил топади. Умумлаштирилган моделнинг норавшан продукцион коидаларининг сони моделга нисбатан сезиларли даражада камаяди. Норавшан коидалар сони ифодаси билан аникланади. Куриб чикилган модел учун бизда:
N = m.Pl + mPl +... mPq
12 q (!)
Моделнинг катламлари куйидагича ишлайди: 1-даража: Ушбу даражадаги нейронлар кирувчи сигналларини кабул килиб, кейинги боскичга утказадилар.
2-даража: норавшанланиш операцияси бажарилади, бу ишлатиладиган ёрдамчи функциялар тури ва сонини аниклашни талаб килади. Бу х,олда (1) формулада тавсифланган Гаусс функциясидан фойдаланилади.
INTERNATIONAL SCIENTIFIC AND TECHNICAL CONFERENCE "DIGITAL TECHNOLOGIES: PROBLEMS AND SOLUTIONS OF PRACTICAL IMPLEMENTATION IN THE SPHERES" APRIL 27-28, 2023
1-расм. Таксимланган нейро-норавшан моделнинг тузилиши
3-даража: бу катлам продукцион коидаларнинг генераторидир, чунки бу ерда норавшан коидалар х,осил булади.
4-даража: импликация амалга оширилади.
5-даража: алох,ида остмоделларнинг чикишлари ифодаларга мос равишда тузилади, бунда ишлатилган остмоделлар сонини билдиради.
6-даража: умумлашган моделнинг натижаси алох,ида остмоделларининг йигиндиси сифатида олинади.
Кириш сигналларининг кисман хиралашган нейро-норавшан модели Такаги-Сугено мантикий хулосалаш механизми билан беш катламли структура куринишида ифодаланади.
Бунда [3] баъзи кириш сигналлари аник (норавшан эмас) (2-расм), лекин тегишли вазн коэффициенти билан тортилган хдкикий кийматлари билан тугридан-тугри учинчи катламга, яъни, тугридан-тугри Такаги-Сугено функцияларининг кейинги кисмига киритилади. Такаги-Сугено мантикий хулосалаш механизмидан фойдаланганда жараён моделидаги иштирок этадиган ноаник коидалар ва уларни нейрон тармогига укитишда аникланадиган параметрларнинг сони камаяди. Масалан, куриб чикилаётган моделда 4 та кириш мавжуд, унда тузилиши керак булган умумий коидалар сони 9 га тенг. Укитиш моделида аникланиши керак булган параметрларнинг умумий сони 64 га тенг. Бундан ташкари, куриб чикилаётган модел тузилиши буйича чизикли моделга якин деб х,исобланади, шунинг учун уни квазичизикли деб аташ мумкин.
INTERNATIONAL SCIENTIFIC AND TECHNICAL CONFERENCE "DIGITAL TECHNOLOGIES: PROBLEMS AND SOLUTIONS OF PRACTICAL IMPLEMENTATION IN THE SPHERES" APRIL 27-28, 2023
2-расм. Кириш сигналларининг кисман хиралашган нейро-норавшан моделининг
тузилиши
Шунингдек, бошкарув карорларини кабул килишда оптималлаштириш жараёнида х,исоблаш юкламасининг камайишини хдмда куриб чикилаётган моделни реал вактда ишлашга яроклилигини таъминлайди.Куриб чикилаётган моделдан фойдаланишда асосий кийинчилик бу кириш сигналларининг кайси бири норавшан булиши кераклигини ва кайси бири тугридан-тугри норавшан коидаларнинг кейинги кисмига киритилишини аниклашдир (3-расм). Ушбу муаммонинг муносиб ечимини топиш учун учта таксимланган нейро-норавшан моделлар, I-тартибли, II-тартибли ва III-тартибли моделлар куриб чикилган ва уларни моделлаштиришдаги самарадорлиги ва аниклиги тадкик килинган. Бунда объектни чикиш маълумотларининг кийматлари чаплаш ва бошкарув таъсирларининг кийматлари объектнинг битта бошкарув кийматини ва битта чикиш сигналини хиралаштирадиган узаро богликлик модели деб х,ам аталадиган I-тартибли ва III-тартибли моделларнинг тескари версияси х,исобланадиган II-тартибли норавшан моделнинг кейинги кисмига тугридан-тугри киритилади. Шуни таъкидлаш керакки, ушбу учта типдаги куриб чикилаётган моделларнинг факат иккитаси норавшан булган туртта киришга эга модель куриляпти деган тахмин билан ишлаб чикилган.
3-расм. Модификацияланган нейро-норавшан моделнинг тузилиши Профессор Т.Ямакава ва унинг илмий мактаби нейро-норавшан нейронни таклиф килган. Аслида, бу нолинчи тартибли Такаги-Сугено мантилий хулосалаш механизмига эга булган радиал базисли нейрон тармогини билдиради. Бундан ташкари, модификацияланган нейро-норавшан модел куп узгарувчили вариантда [4] ишларда курсатилган тузилма ёрдамида амалга оширилади. Бизнинг тадкикотларимиз натижалари шуни курсатадики, Т.Ямакаванинг модификацияланган нейро-норавшан моделидан фойдаланишда иккита оний хатоликни минималлаштириш ва шунга мувофик иккита вазн коэффициентини
Wj (к) ва v^ (к) янгилаш керак, аммо норавшан туплам параметрларининг таъсирини урганиш керак эмас.
REFERENCES
1. Muxamediyeva D.T. Structure of fuzzy control module with neural network // International Journal of Mechanical and Production Engineering Research and Development (IJMPERD) ISSN (P): 2249-6890; ISSN (E): 2249-8001. -V. 9. -Issue 2. 2019. -РР.649-658.
2. Terziyska M.A Distributed Adaptive Neuro-Fuzzy Network for Chaotic Time Series Prediction. Cybernetics and Information Technologies, 2015. -V. 15. -Issue 1. -РР. 24-33.
INTERNATIONAL SCIENTIFIC AND TECHNICAL CONFERENCE "DIGITAL TECHNOLOGIES: PROBLEMS AND SOLUTIONS OF PRACTICAL IMPLEMENTATION IN THE SPHERES" APRIL 27-28, 2023
3. Bodyanskiy Y., Kokshenev I., Kolodyazhniy V. An Adaptive Learning Algorithm for a Neo-Fuzzy Neuron, Proceedings of the 3rd Conference of the European Society for Fuzzy Logic and Technology, 2005. - PP.375-379
4. Aliev R.A., Guirimov G.B. Type-2 Fuzzy Neural Networks and Their Applications. - Springer International Publishing Switzerland, 2014. -203 p.
