Главы     1     2     3     4     5     6     7     8     9   

Нейронные сети в планировании

Глава 6 Нейро сетевые самообучающиеся системы управления



Известной основой аппаратной поддержки самообучающейся системы управления является ассоциативная вычислительная система (ВС).

Главное отличие ассоциативной ВС от обычной системы последовательной обработки информации состоит в использовании ассоциативной памяти или подобного устройства, а не памяти с адресуемыми ячейками.

Ассоциативная память (АЛ) допускает обращение к данным на основе их признака или ключевого слова: имени, набора характеристик, задания диапазона и т.д.

Распространенный вид АП — таблица с двумя столбцами: "запросное поле — ответное поле". Строка таблицы занимает регистр памяти. Запросные поля обрабатываются по ключевому слову, производится поиск на основе сравнений и выдается результат из одного (или более) ответного поля. При помощи маскирования выделяются только те поля ключевого слова, которые используются в процессе поиска для сравнения.

Типичными операциями сравнения ассоциативной памяти являются следующие: «равно  не равно», «ближайшее меньше чем — ближайшее больше чем», «не больше чем — не меньше чем», «максимальная величина — минимальная величина», «между границами — вне границ», «следующая величина больше — следующая величина меньше» и др., т.е. все это — операции отношения и определения принадлежности.

Поскольку ассоциативные ВС характеризуются только активным использованием АП в вычислениях, то в целом они обладают обычными свойствами, производят сложные преобразования данных и принадлежат типу ОКМД (STARAN, РЕРЕ) или МКМД. Для параллельного обращения с целью ускорения поиска АП разбита на модули (в STARAN 32 модуля).

Когда в 1980 г. был провозглашен так называемый японский вызов относительно построения ВС сверхвысокой производительности, то в одном из важнейших пунктов предусматривалась необходимость самого широкого использования принципов самообучающихся систем — систем, способных накапливать опыт и выдавать результат решения задачи без расчетов — на основе ассоциации и интерполяции (экстраполяции). Это значит, что применение ассоциативных ВС неотделимо от проблемы искусственного интеллекта.

Покажем, что ничего существенно нового в практику человеческого мышления ассоциативные машины не вносят, это всего лишь привычный способ использования интерполяционных таблиц, например таблицы логарифмов.

    Нейросетевые самообучающиеся системы 2
    Пусть мы пользуемся значениями функции у =f(x). Можно запрограммировать ее вычисление на персональном компьютере, и, при необходимости задавая значение х, запускать программу, получая значение у....
    Нейросетевые самообучающиеся системы 3
    Пусть исходная ситуация характеризуется вектором X — ..., ..., По значению X, т.е. по его компонентам, принимается решение Y, также представляющее собой вектор Y= {y1, ..., yп}. Компоненты векторо...
    Нейросетевые самообучающиеся системы 4
    Пусть для входной ситуации X необходимо найти решение Y. В АП находятся два вектора и минимально отличающиеся по всем координатам от вектора X. Для этих векторов известны векторы решения и соответ...
    Нейросетевые самообучающиеся системы 5
    Если точность Y достаточна, принципиально возможно дополнение АП новой строкой X— Y, т.е. информацией о новом опыте. Впрочем, динамика развития и уточнения АП, как базы знаний, представляется иной...
    Нейросетевое воплощение
    Мы уже построили нейросеть для важной задачи принятия решений и вручили ее заказчику — дяде Рамзаю. Теперь еще раз тщательно проследим за применением принципа динамического совмещения обучения сис...
    Нейросетевое воплощение 2
    Как указано выше, при обучении положим эту достоверность равной единице, а в процессе распознавания она может быть какой угодно, даже не удовлетворяющей свойству полноты событий. После обучения с...
    Нейросетевое воплощение 3
    Подставляем данное решение в модель и устанавливаем, удовлетворяет ли нас точность. Если удовлетворяет, делаем положительный вывод об обученности нейросети и продолжаем испытание по другим исходны...
    Нейросетевое воплощение 4
    Такая аппроксимация выполняется и в более явном виде, ибо каждая решения Y = отдельно в результате предварительной трассировки (рис. 6.4). Следовательно, сеть строится и обучается так, чтобы задан...





Книжный магазин