- Артикул:00-01049555
- Автор: Иванхенко А.Г.
- Обложка: Твердый переплет
- Издательство: Техника (все книги издательства)
- Город: Киев
- Страниц: 392
- Формат: 60х84 1/16
- Год: 1969
- Вес: 568 г
Развернуть ▼
В книге с позиций общей теории комбинированных детерминированно-самообучающихся систем рассматриваются новые, интерполяционные задачи технической кибернетики. На примере задачи экстремального управления и задачи распознавания образов, процессов и ситуаций показано, что эти задачи можно решать на трех уровнях: обучения, адаптации и самоорганизации. Каждый последующий уровень требует меньше текущей информации об объекте, но время обучения удлиняется. Уровень решения задачи должен соответствовать степени детерминизма (определенности) объекта - в этом выражается «закон адекватности», рассматриваемый в последней главе книги. Показаны конкретные примеры алгоритмов самоорганизации комбинированных систем распознавания ситуаций и экстремального управления.
Книга предназначена для инженерно-технических и научных работников, интересующихся вопросами технической кибернетики и, в частности, применением распознающих и управляющих машин для управления производством, а также может быть полезной для студентов технических вузов.
Содержание
Введение
Глава I Общность и различие основных задач технической кибернетики
Принятая терминология
Детерминированные, вероятностные и индетерминированные системы
Связи и модели
Общность и различие основных задач технической кибернетики
Задача распознавания образов (классов)
Расчет объема исходных данных для различных систем
Оценки точности
Основные выводы сравнения задач технической кибернетики
Глава II Задача экстремального управления
Постановка задачи экстремального управления
Проблема непрерывного определения характеристик объекта экстремального управления
Методы определения статической и динамической характеристик объекта экстремального управления
Методы определения коэффициентов уравнения статической характеристики объекта управления
Методы определения коэффициентов уравнения динамики объекта экстремального управления
Минимизация входного описания для экстремальных систем
Об адаптивных методах стохастической аппроксимации
Выбор аппроксимирующих полиномов (уравнений регрессии)
Самообучающиеся или беспоисковые экстремальные системы (уровень обучения модели)
Самообучающаяся экстремальная комбинированная система с детерминированной или вероятностной обучающейся моделью
Сравнение беспоисковых систем с обучением вероятностной модели по объему и быстродействию
Самообучающиеся экстремальные системы с индетерминированной моделью
Адаптивные экстремальные системы с обучением связей
Стратегии поиска экстремума при нескольких регулирующих воздействиях
Глава III Самоорганизация комбинированных систем экстремального управления
Значение и постановка задачи разработки теории самоорганизации систем распознавания и управления
Комбинированные системы управления обычного типа
«Проклятие многомерности» и самоорганизующиеся системы
Комбинированная система экстремального управления с корректором - распознающей системой. Ограничения задачи и определения области применения
Распознающая система-корректор (первый вариант)
Самоорганизация трех полюсов по методу взвешенного смещения
Теорема об устойчивости процессов самоорганизации «полюсного газа»
Распознающая система-корректор (второй вариант)
Моделирование процессов самоорганизации
Связанное регулирование нескольких переменных
Два метода коррекции средней линии характеристики разомкнутой части
Работы по внедрению системы
Глава IV Задача распознавания образов
Постановка задачи обучения и самообучения распознающих систем
Принцип наложения изображения на прототипы (эталоны)
Пространство признаков и его разделение на области, отвечающие образам
Минимизация входного описания для распознающих систем
Критерий числа разрешаемых споров
Выбор аппроксимирующих полиномов (уравнений регрессии) и другие средства уменьшения входного описания
Самообучающиеся распознающие системы с детерминированными или вероятностными обучающимися моделями
Распознающие системы обычного типа с вычислением усредненных прототипов одного на образ
Адаптивные распознающие системы с обучением связей (прототипов)
Проблема распознавания этапов процесса изменения объекта (наблюдение за превращением головастика в лягушку)
Глава V Распознающие системы типа перцептрон
Перцептроны - распознающие системы с выбором нескольких прототипов на каждый образ
Обучение (адаптация) или самоорганизация первого ряда регулируемых связей rk
Разрешающая способность Р и «рельеф» матрицы напряжений как основные критерии качества работы распознающих систем
Обучение, адаптация и самоорганизация второго ряда регулируемых связей
Выбор числа A-элементов перцептрона по числу первичных признаков или по числу линейных участков границы
Расчет многорядных перцептронов при помощи решения системы условных уравнений Гаусса. Бинарный или релейный вариант перцептрона
Адаптация обучения связей перцептрона
Глава VI Закон адекватности объекта и его управляющей или распознающей системы - существует ли он?
Постановка вопроса о законе адекватности
Неточности и ошибки в определении области оптимальности детерминированных методов, вызванные недооценкой закона адекватности
«Закон необходимого разнообразия»
Эшби (или десятая теорема Шеннона) и закон адекватности
Принцип внешнего дополнения Стаффорда Бира и закон адекватности
Теория статистических решений и закон адекватности для систем управления
Теория инвариантности и закон адекватности для систем управления
Может ли случайная стратегия быть оптимальной?
Вопросы ускорения принятия решений при управлении «стихиями»
Краткие сведения из теории игр
Закон адекватности для распознающих систем с индетерминированными прототипами
Индетерминированные распознающие системы с обучением моделей и индетерминированные адаптивные системы
«Язык восприятия человека» и «язык перцептрона»
Опыты по экспериментальной проверке закона адекватности для распознающих систем
Заключение
Приложение
Литература
Рекомендуем
