Details
| Title | Применение технологии нейронных сетей в системе управления интеллектуальным роботом: дипломная работа: 220301 |
|---|---|
| Creators | Черных Александр Сергеевич |
| Scientific adviser | Розов Алексей Юрьевич |
| Organization | Санкт-Петербургский политехнический университет Петра Великого. Институт металлургии, машиностроения и транспорта |
| Imprint | Санкт-Петербург, 2016 |
| Collection | Выпускные квалификационные работы ; Общая коллекция |
| Subjects | нейронные сети ; алгоритм нечеткой логики ; мобильный робот |
| Document type | Specialist graduation qualification work |
| File type | |
| Language | Russian |
| Level of education | Specialist |
| Speciality code (OKSO) | 220301 |
| Speciality group (OKSO) | 220000 - Автоматика и управление |
| DOI | 10.18720/SPBPU/2/v17-1437 |
| Rights | Доступ по паролю из сети Интернет (чтение, печать, копирование) |
| Record key | RU\SPSTU\edoc\38062 |
| Record create date | 3/23/2017 |
Allowed Actions
–
Action 'Read' will be available if you login or access site from another network
Action 'Download' will be available if you login or access site from another network
| Group | Anonymous |
|---|---|
| Network | Internet |
Искусственные нейронные сети (ИНС) , (Artificial Neural Networks, ANN), созданы по аналогии с биологической нейронной сетью человеческого мозга. Они состоят из элементов, функциональные возможности которых подобны элементарным функциям биологических нейронов, и чья организация соответствует анатомии человеческого мозга. Нейронные сети - это адаптивные системы для обработки и анализа данных, которые представляют собой математическую структуру, имитирующую некоторые аспекты работы человеческого мозга и демонстрирующие такие его возможности, как способность к неформальному обучению, способность к обобщению и кластеризации неклассифицированной информации, способность самостоятельно строить прогнозы на основе уже предъявленных временных рядов. Главным их отличием от других методов то, что нейронные сети в принципе не нуждаются в заранее известной модели, а строят ее сами только на основе предъявляемой информации.В процессе работы были исследованы виды нейронных сетей, методы их обучения, структуры построения и эксплуатируемые характеристики. В практической части описано создание нейронной сети для регулировки коэффициентов ПИД -регулятора, с методом обучения обратного распространения ошибки, реализовано управление движением в среде с препятствиями путем применения нечеткой нейронной сети.
| Network | User group | Action |
|---|---|---|
| ILC SPbPU Local Network | All |
|
| Internet | Authorized users SPbPU |
|
| Internet | Anonymous |
|
Access count: 103
Last 30 days: 0