Отдел Имитационных систем: Адаптивные системы управления ИТМ и ВТ
  • Main page
  • Главная

  • Main / Главная / Научная деятельность / Направления исследований /

    Направления исследований отдела Методов адаптивного управления


    Введение

    В соответствии с целью исследования отдела мы ставим перед собой следующие задачи.

    1. Изучение принципа управления, осуществляемого природными нервными системами, проводить не столько путем анализа природных систем, что затруднено в силу чрезвычайной сложности их структуры и состава, и не путем изучения моделей других исследователей, сколько путем синтеза собственной модели таких систем, отталкиваясь от условий, в которых действуют природные нервные системы и от целевых функций, которые они, по нашему представлению, выполняют. Это, по нашей гипотезе, должно вынужденно привести к "переоткрытию" тех же самых "изобретений", которые вынуждено должна была сделать природа, синтезируя свои системы. Попутно изучать биологические и кибернетические источники, имеющие отношение к разрабатываемым нами моделям.

    2. Разработать концептуальную модель нервной системы, которую мы называем методом автономного адаптивного управления (ААУ). Модель должна описывать как макро-уровень, соответствующий составу, структуре и функциям всей системы "организм-среда", а также подсистем нервной системы, так и микро-уровень, соответствующий функциям нейронов, синапсов и нервных импульсов в форме бинарных сигналов, по возможности, не опускаясь на более тонкие уровни детализации. Разрабатываемая нами модель нервной системы должна быть не просто описательно-предположительной, но алгоритмически и программно реализуемой для такого исполнителя, как компьютер. Разрабатываемая нами модель должна быть по возможности во всех деталях имитационной (бионической), т.е. из всех возможных вариантов реализации того или иного блока системы управления, как модели нервной системы, мы выбираем тот, который наиболее бионичен, наиболее соответствует нашему или известному представлению о его биологическом оригинале, а не просто представляет собой удобное прагматическое или эвристическое решение.

    3. Создать программные модели, реализующие свойства разработанной концептуальной модели нервной системы (системы ААУ), демонстрирующие заявленные свойства.

    4. Апробировать построенную нами концептуальную модель нервной системы у специалистов биологов и нейрофизиологов, путем демонстрации им программных моделей и описаний, получив заключение о степени тождественности разработанной нами модели свойствам биологических систем.

    5. Разрабатывать практические системы управления на основе построенной нами модели нервной системы - метода ААУ. В случае успеха мы будем иметь программу для компьютера, демонстрирующую некоторые важные свойства нервной системы, например:

    • способность автоматически адаптироваться - постепенно приспосабливаться к свойствам окружающей ее среды, накапливая о ней знания, строя в своей памяти модель мира "среда-объект управления",
    • находить способы взаимодействия с объектами среды,
    • использовать самостоятельно добытые знания для принятия обоснованных решений,
    • вырабатывать стереотипы полезного для объекта управления поведения,
    • вырабатывать языковые способы общения как с самой собой, так и с другими управляющими системами
    • делать свое поведение все более правильным и точным по мере накопления знаний
    • и другие свойства.
    Для того, чтобы перечислить здесь эти свойства, их надо предварительно более точно определить и формализовать, что сделано в наших публикациях по методу ААУ.

    Такая модель не будет представлять собой "Искусственный интеллект" в смысле некой искусственной головы, способной решать сложные математические или шахматные задачи (такого рода прагматические программы уже давно созданы). Модель, которую мы строим, в случае успеха, должна демонстрировать свойства мозга, например, новорожденной мыши. Однако, это было бы огромным и, скорее всего, пока еще недостижимым успехом, так как мозг мыши все еще непостижим для современной науки.

    В соответствии с названными целями и задачами, в отделе проводятся следующие исследования.

    перейти в начало



    I. Разработка и исследование бионического метода автономного адаптивного управления (ААУ).

    Цель этого главного исследования состоит в том, чтобы разработать одновременно новую концептуальную модель нервной системы и на ее основе - новый тип адаптивных систем управления, обладающих свойствами, присущими биологическим нервным системам - адаптивностью, способностью обучаться непосредственно в процессе управления, многокритериальностью и многопараметричностью управления.

    перейти в начало



    II. Нейросетевая реализация систем ААУ на основе специально для этого разработанных модел;ей нейронов и сетей.

    Наиболее органичной реализацией системы ААУ, как модели нервной системы, является сетевая (коннекционистская) структура, состоящая из нейронов, синапсов, рецепторных элементов, нервных импульсов. Однако традиционные "искусственные нейронные сети" (ИНС) и используемые в них "формальные нейроны" нас не устраивают в качестве моделей нервной системы и нейрона по ряду причин. Поэтому мы разрабатываем собственные модели нейронов и сетей. Чтобы подчеркнуть их отличия от ИНС, мы называем их нейроноподобными элементами и сетями . Нами разработаны специальные нейроноподобные сети, выполняющие функции основных подсистем системы ААУ: подсистему формирования и распознавания образов (ФРО), базу знаний (БЗ), разрабатываются схемы остальных подсистем. В целом, можно говорить о том, что нейроноподобная реализация системы ААУ создана и работает. В частности, она действует в качестве адаптивной системы управления компьютерной моделью мобильного робота "Гном #8". Это означает, что такую систему управления можно было бы спаять из элементов-нейронов, если бы они были реализованы материально. Все другие действующие до сегодняшнего дня реализации системы ААУ хотя и построены нами на основе нейроноподобной метафоры, все же содержат больше прагматических программистских решений, чем нейроноподобных структур в явном виде.

    перейти в начало



    III. Адаптивные системы управления для мобильных роботов.

    Мобильные роботы являются очень наглядным примером объектов управления, требующих автономного адаптивного управления. Кроме того, мобильный робот всегда вызывает ассоциацию с живым существом, что стимулирует постановку задач, а результаты управления наблюдаются непосредственно и понятны даже неподготовленным зрителям. Помимо этого, сегодня можно наблюдать заметное ускорение развития и теории и производства мобильных роботов, индустрия которых, по-видимому, находится в преддверии своего бума. О наших результатах в области управления мобильными роботами можно посмотреть здесь.

    перейти в начало


    IV. Использование нечеткой логики в системе ААУ.

    Сегодня в системах управления, в том числе роботов, активно используется нечеткая логика. По своей идее нечеткая логика в системах управления используется для того, чтобы записать в программу правила управления, которыми пользуется человек-эксперт, и которые трудно формализуются другими способами. Например, человек при принятии решения говорит сам себе: "эта впереди идущая машина находится от меня скорее близко, чем далеко, поэтому я начну тормозить". Нечеткая логика позволяет формализовать такого вида правила управления, зашить их в программу управляющей системы и компьютер будет управлять, пользуясь такими правилами, почти так же, как это делает человек. Однако составление таких нечетких правил - задача, которую должен решить сам программист. Мы поставили себе задачу интегрировать метод нечеткой логики с системой ААУ, сделав так, чтобы нечеткие правила формировались, использовались и корректировались управляющей системой ААУ автоматически непосредственно в процессе управления. В целом эта задача успешно решена (см. публикации М.В. Караваева). Сейчас это направление продолжает развиваться в нашем отделе. Мы надеемся, что наши результаты пойдут на пользу не только методу ААУ, но и обогатят теорию нечетких систем управления.

    перейти в начало


    V. Использование детерминированного хаоса в системе ААУ

    Технология детерминированного хаоса является мощным инструментом для организации хранилищ текстовой и другой информации в виде информационных структур, имеющих свойства аттракторов, и поисковых систем, позволяющих быстро находить нужные тексты по небольшим и искаженным их фрагментам. Нами проводятся исследования, имеющие целью поиск способов использования этой технологии в системах ААУ. Положительные решения найдены в исследовании А.Е. Устюжанина, и сейчас в этом направлении ведется работа, с результатами которой можно ознакомиться здесь .

    перейти в начало


    VI. Применение генетических алгоритмов в системах ААУ.

    Прикладные системы ААУ, как и всякие другие системы, должны быть построены оптимально для заданных условий конкретного приложения. Должны быть подобраны оптимальные датчики и их параметры, оптимальные характеристики исполнительных устройств. Но и все остальные подсистемы управляющей системы ААУ такие, как подсистема формирования и распознавания образов, база знаний и другие тоже должны быть построены по возможности оптимально. Для нейроноподобных подсистем оптимальность означает в 1-ю очередь определение целесообразной структуры сети нейроноподобных элементов и определение обоснованных значений параметров нейронов. К сожалению, мы не смогли предложить методику аналитического расчета оптимальных для заданного приложения значений параметров системы ААУ. Такой методики, возможно, и нельзя предложить в силу принципиальных причин, связанных с теми условиями, для которых и создается система ААУ, а именно - отсутствия достаточной априорной информации. Для пояснения проблемы позволим себе такой биологический пример, хорошо отражающий суть задачи. Можно ли предложить методику для расчета оптимальной формы ушей для австралийского кролика? Это сделать очень трудно, потому что эта оптимальная форма зависит от огромного количества факторов и условий, таких как климатические условия Австралии, характер ее растительности, состояние атмосферы, состав фауны, свойства поведения других животных, в составе пищевых цепочек которых участвуют кролики, а также от длины шерсти и формы хвоста самого кролика и т.д. и т.п. К тому же условия эти находятся в постоянном изменении, и та форма ушей, которая была оптимальной раньше, может не быть оптимальной в новых условиях. Единственным обоснованным способом оптимизации в этих условиях является естественный отбор, который действует в сочетании с генным механизмом передачи наследственных признаков.Поисковым методом оптимизации систем, который был бы аналогичен естественному отбору в природе, является метод генетических алгоритмов. С нашими результатами по применению генетических алгоритмов для построения и оптимизации систем ААУ можно познакомитьс в публикациях Л.В. Земских.

    перейти в начало


    VII. Применение параллельных вычислительных систем при разработке прикладных систем ААУ.

    Если сравнивать нервную систему с современным компьютером, то сразу же заметно одно важное отличие - компьютер является машиной последовательного действия (в соответствии с принципом программного управления фон Неймана), а нервная система состоит из огромного числа нейронов, рецепторных клеток и эффекторных окончаний, работающих одновременно, параллельно. Естественно наше желание получить возможность для реализации системы ААУ на параллельных вычислительных средствах. В частности, с этой целью мы разрабатываем нейросетевую реализацию системы ААУ, подразумевая в будущем возможность реализовать систему ААУ на нейрочипах с высокой степенью параллелизма. О наших результатах по поиску возможностей применения параллельных вычислительных сред в системах ААУ можно прочитать здесь.

    перейти в начало


    VIII. Нейросетевая реализация систем ААУ на основе традиционных искусственных нейронных сетей (ИНС).

    В последнее время мы начали также исследовать возможности реализации системы ААУ с использованием традиционных ИНС. Однако положительного решения нами пока не найдено, т.е. мы не можем указать способа построения системы ААУ на базе традиционных искусственных нейронных сетей. Основные проблемы ИНС, которые не позволяют построить на них систему ААУ, это такое свойство ИНС, как "катастрофическое забывание" и необходимость предварительного обучения ИНС, что вступает в противоречие с главным свойством системы ААУ - обучением в процессе управления. Наши усилия в этом направлении вызваны желанием объединить нейроноподобную технологию ААУ с технологией ИНС, в которой имеется множество полезных решений, глубокая теория, математический аппарат, в рамках которой работает множество специалистов. Нам кажется также, что метод ААУ мог бы расширить рамки направления "Искусственные нейронные сети", введя в ИНС новые модели нейронов, и указав действующее решение заявленной в ИНС проблемы перехода от "парадигмы распознавания" к "парадигме управления". Мы продолжаем усилия в этом направлении. Так, этой цели посвящены исследования А.Сыцко.

    перейти в начало



    Заключение

    Перечисленные здесь направления наших исследований тесно связаны с:

    перейти в начало



    17.12.2014: предзащита дипломной работы Жданова М.А. на тему «Оптомеханическая биоинспирированная система машинного зрения с нейроподобной системой распознавания».
    Целью дипломной работы являлась разработка биологически инспирированной модели системы зрения и распознавания на основе подвижной оптической системы, рецептивных полей, нейроподобной системы распознавания и обратных связей.


    20.11.2014: Ковалёв С.П., д.ф.-м.н., с.н.с. ИПУ РАН. «Концептуальные и математические основы модельно-ориентированной системной инженерии».
    Модельно-ориентированная системная инженерия (Model-Based Systems Engineering) - это новый подход к разработке и эксплуатации сложных технических изделий.


    13.11.2014: Цыганков В.Д., к.т.н., заместитель директора НИЦ «Кристалл» РАСУ. Тема выступления: «Первое знакомство с виртуальным нейрокомпьютером «Эмбрион»».


    30.10.2014: Бойченко А.В., к.т.н., МЭСИ. Доклад "Причины и особенности информационного общества".


    Copyright © 1995 - 2014 ИТМиВТ РАН