Детальная информация
| Название | Применение технологии нейронных сетей в системе управления интеллектуальным роботом: дипломная работа: 220301 |
|---|---|
| Авторы | Черных Александр Сергеевич |
| Научный руководитель | Розов Алексей Юрьевич |
| Организация | Санкт-Петербургский политехнический университет Петра Великого. Институт металлургии, машиностроения и транспорта |
| Выходные сведения | Санкт-Петербург, 2016 |
| Коллекция | Выпускные квалификационные работы ; Общая коллекция |
| Тематика | нейронные сети ; алгоритм нечеткой логики ; мобильный робот |
| Тип документа | Выпускная квалификационная работа специалиста |
| Язык | Русский |
| Уровень высшего образования | Специалитет |
| Код специальности ОКСО | 220301 |
| Группа специальностей ОКСО | 220000 - Автоматика и управление |
| DOI | 10.18720/SPBPU/2/v17-1437 |
| Права доступа | Доступ по паролю из сети Интернет (чтение, печать, копирование) |
| Ключ записи | RU\SPSTU\edoc\38062 |
| Дата создания записи | 23.03.2017 |
Разрешенные действия
–
Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
Действие 'Загрузить' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
| Группа | Анонимные пользователи |
|---|---|
| Сеть | Интернет |
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.
| Место доступа | Группа пользователей | Действие |
|---|---|---|
| Локальная сеть ИБК СПбПУ | Все |
|
| Интернет | Авторизованные пользователи СПбПУ |
|
| Интернет | Анонимные пользователи |
|
Количество обращений: 103
За последние 30 дней: 0