Детальная информация

Соответствует образовательному стандарту дисциплины ДН-10 («Интеллектуальные технологии и представление знаний»). Рассмотрены интеллектуальные системы и средства их реализации, а также их применение в системах обработки сенсорной информации и управления. Описаны продукционные, нейросетевые, нейроморфные и гибридные средства обработки информации. Показано использование традиционных нейронных сетей для фильтрации изображений, кластеризации потоковой информации и управления мобильными роботами. Рассмотрено применение гибридных нейро-нечетких средств для управления роботами и применение глубоких нейронных сетей для сегментации и классификации изображений, а также интеллектуального управления роботами. Показаны модели спайковых нейронов и их применение для бесконтактного управления роботизированными устройствами по сигналам активности головного мозга. Акцент сделан на современных тенденциях применения нейро-нечетких средств, глубоких нейронных сетей и нейроморфных средств для решения сложных задач обработки многоканальной сенсорной информации и изображений, а также управления мобильными роботами в среде с неподвижными и движущимися препятствиями. Пособие предназначено для студентов вузов, обучающихся по направлению подготовки 27.00.00 «Управление в технических системах».

The training manual corresponds to the educational standard for the course DN-10 (“Intelligent Technologies and Knowledge Representation”). The manual considers intelligent systems and means of their implementation, as well as their application in systems for processing sensory data and control. It describes production-based, neural network-based, neuromorphic, and hybrid information processing systems. It demonstrates the use of traditional neural networks for image filtering, clustering of stream data, and the control of mobile robots. The authors consider the application of hybrid neuro-fuzzy methods for robot control and the use of deep neural networks for image segmentation and classification, as well as for intelligent robot control. Models of spiking neurons and their application for non-contact control of robotic devices based on brain activity signals are presented. The focus of the manual is on current trends in the application of neuro-fuzzy methods, deep neural networks, and neuromorphic methods for solving complex problems of processing multi-channel sensory data and images, as well as controlling mobile robots in environments with stationary and moving obstacles. The manual is intended for students of higher education institutions studying in the major 27.00.00 “Control in Engineering Systems.”.

• ОГЛАВЛЕНИЕ
• СПИСОК СОКРАЩЕНИЙ
• ВВЕДЕНИЕ
• 1. ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ И СРЕДСТВА ИХ РЕАЛИЗАЦИИ
• 1.1. Архитектура интеллектуальных систем
• 1.2. Модели знаний
• 1.3. Формирование знаний
• 1.4. Интеллектуальные средства
• 2. СИСТЕМЫ ПРОДУКЦИЙ
• 2.1. Детерминированные, нечеткие и вероятностные продукции
• 2.2. Управление на детерминированных продукциях
• 2.3. Управление на нечетких продукциях
• 2.4. Распознавание на вероятностных продукциях
• 3. ТРАДИЦИОННЫЕ НЕЙРОННЫЕ СЕТИ
• 3.1. Многослойные персептроны
• 3.2. Сети Кохонена
• 3.3. Фильтрация изображений
• 3.4. Кластеризация информации
• 3.5. Управление роботом в среде с препятствиями
• 4. НЕЙРО-НЕЧЕТКИЕ СЕТИ
• 4.1. Адаптивная нейро-нечеткая система
• 4.2. Кластерный нейро-нечеткий модуль
• 4.3. Обход препятствий на ANFIS
• 4.4. Управление роботом на кластерных ННМ
• 5. ГЛУБОКИЕ НЕЙРОННЫЕ СЕТИ
• 5.1. Прямонаправленные глубокие нейронные сети
• 5.2. Глубокие рекуррентные нейронные сети
• 5.3. Сегментация изображений
• 5.4. Классификация изображений
• 5.5. Интеллектуальное управление роботами
• 6. НЕЙРОМОРФНЫЕ СЕТИ
• 6.1. Модели спайковых нейронов
• 6.2. Бесконтактное управление на спайковых нейронных сетях
• БИБЛИОГРАФИЧЕСКИЙ СПИСОК