Программный инструментарий для проектирования интеллектуальных систем управления на основе мягких вычислениях
Închide
Articolul precedent
Articolul urmator
459 0
SM ISO690:2012
РЕШЕТНИКОВ, А.. Программный инструментарий для проектирования интеллектуальных систем управления на основе мягких вычислениях. In: Tendinţe contemporane ale dezvoltării ştiinţei: viziuni ale tinerilor cercetători, Ed. 4, 10 martie 2015, Chișinău. Chișinău, Republica Moldova: Universitatea Academiei de Ştiinţe a Moldovei, 2015, Ediția 4, T, p. 25.
EXPORT metadate:
Google Scholar
Crossref
CERIF

DataCite
Dublin Core
Tendinţe contemporane ale dezvoltării ştiinţei: viziuni ale tinerilor cercetători
Ediția 4, T, 2015
Conferința "Tendinţe contemporane ale dezvoltării ştiinţei: viziuni ale tinerilor cercetători"
4, Chișinău, Moldova, 10 martie 2015

Программный инструментарий для проектирования интеллектуальных систем управления на основе мягких вычислениях


Pag. 25-25

Решетников А.
 
Институт математики и информатики АНМ
 
Disponibil în IBN: 13 februarie 2019



Teza

Разработка, развитие и реализация эффективных высоких наукоемких информационных технологий (ИТ) (создаваемых в различных областях науки и техники) неразрывно связаны с необходимостью разработки и повышения уровня интеллектуальности используемых процессов и систем управления, объективно учитывающие в законах управления контекстуально-зависимые физические эффекты, ограничения и информационные границы, реально существующие в конкретных моделях объекта управления (ОУ). Важную роль при формировании уровня интеллектуальности системы автоматического управления (САУ) играет выбор используемого инструментария технологии интеллектуальных вычислений (ИВ) для проектирования соответствующей базы знаний (БЗ) при заданной цели управления. Проблемы эффективного применения технологии мягких вычислений в задачах управления были решены и апробированы на основе Оптимизатора Баз Знаний (ОБЗ). Разработанный интеллектуальный инструментарий позволил проектировать робастные БЗ на основе решения одной из алгоритмически трудно решаемых задач теории искусственного интеллекта – извлечения, обработки и формирования объективных знаний без использования экспертных оценок. В данном оптимизаторе используются три генетических алгоритма, которые позволяют спроектировать оптимальную структуру нечеткого регулятора (вид и число ФП, их параметры, а также число самих правил нечеткого вывода), аппроксимирующей обучающий сигнал с требуемой ошибкой. При этом автоматически проектируется оптимальная структуры нечеткой нейронной сети и универсального аппроксиматора в виде нечеткого регулятора.