More than Just Lines on a Map: Best Practices for U.S Bike Routes
Neural networks
1. УПРАВЛЕНИЕ НА ПАРОГЕНЕРАТОР С ПОМОЩТА НА
НЕВРОННИ МРЕЖИ С РАДИАЛНО БАЗИСНИ ФУНКЦИИ
I. Въведение
Невронните мрежи бьрзо навлизат в инженерната практика в
последните 5 – 8 години. Интересът към тях се основава както на
потенциалните им възможности като ново средство за моделиране ,
управление и диагностика на сложни производствени процеси , така и
в резултат на успешни пьрвоначални реализации в химико –
технологични процеси , в металургични процеси , в енергетиката.
От всички подходи в областта на интелигентното управление ,
вероятно невронните мрежи са най-непосредствено свързани със
стремежа да се опознаят и имитират основните функции на нервната
система на високоразвитите организми и в частност на мозъка. Поради
това невронните мрежи притежават и най-дълга история. От първите
работи от началото на 40 -–години , описващи поведението на отделен
неврон , до забележителните изследвания през 60 – те години на
Rosenblatt и малко по – късно на Widrow се създават основните
подходи за изследване в невродинамиката. След почти 20 годишен
застой от средата на 80 – години се появяват основополагащите работи
на Hopfield и особено на Rumelhart и съавтори , които обобщават и
значително доразвиват сьществуващите вече идеи и главно създават
компютърно привлекателни методи. Следващите 5 години са на
активно изследване на възможностите на невронните мрежи в
различни направления – разпознаване и обработка на образи, и
сигнали, моделиране и идентификация, управление и диагностика.
В областта на управлението се създава и продължава да се
изгражда теоретичната основа на изкуствените невронните мрежи.
След изясняване и конкретизиране на основните понятия като
“интелигентност”, “неврон”, “невронна мрежа” инженерите
възприемат прагматичен подход кьм тях, което довежда до бързо и
2. успешно развитие както на общите подходи, така и особено на
методите за проектиране. За успеха на направлението спомагат и
някои обстоятелства :
- Нивото на изчислителната техника като софтуер и хардуер е
много високо. Появяват се голямо число търговски софтуерни
продукти, достъпни за инженери без специална подготовка
по неврофизиология и изчислителна техника.
- Очертава се необходимост за управление на големи
промишлени комплекси, които трудно се моделират с
традиционните подходи. Изискванията на практика се
формулират много по - ясно и те са много по - тежки от тези в
предхождащия период.
- За изучаване на невронните мрежи се инвестират значителни
средства. Много от водещите изследователи в областта на
автоматичното управление се насочват към проблемите на
невронните мрежи и за кратко време се формира теоретична
база на достатъчно високо ниво.
Невронните мрежи представляват универсални апроксиматори
на нелинейни функции. Сред голямото разнообразие на други
апроксимационни подходи невронните мрежи се отличават със
следните специфични особености :
- Могат да бъдат обучавани и да се извлича знание от входно –
изходната информация за обекта. По такъв начин началната
неопределеност на обекта може да се намалява. Чрез
обучение може да се реализира инвертиране на оператор.
Това е задача от първостепенно значение при проектиране на
съвременните системи за управление.
- Имат способност да обобщават – на подобни входове се
съпоставят подобни изходи. Това е особено важно при
моделиране на нелинейни обекти в присъствие на шум.
3. - Притежават робастни качества като универсални
апроксиматори – имат намалена чувствителност при
изменения на параметрите на обекта по едни или други
причини.
- Локално и глобално обучение и апроксимация се съчетават
по естествен начин.
- Невронните мрежи са типичен подход на “черната кутия”. Те
изискват минимални или изобщо никаква априорна
информация за обекта. При определени допускания, които за
промишлените обекти обикновено се изпълняват,
невронните мрежи могат да формират произволни входно –
изходни съответствия.
Областта на изкуствените невронни мрежи е много обширна.
Характеризира се с голямо разнообразие на типовете невронни мрежи,
начини на обучение, сфери на приложения. По-долу невронните
мрежи се третират основно от гледна точка на приложението им за
моделиране и управление на технологични обекти.