Zasady projektowania i zastosowania neurosterowników

Definicja

(Sztuczna) sieć neuronowa - ogólna nazwa struktur matematycznych złożonych ze sztucznych neuronów i ich programowych lub sprzętowych modeli, które realizują obliczenia tym samym rozwiązując pewien problem np. z dziedziny przetwarzania sygnałów. Zbudowane na wzór naturalnych neuronów i połączeń między nimi. Sieci neuronowe mają zdolność generalizacji danych.

Sterowanie jest to oddziaływanie na proces fizyczny (obiekt) dla osiągnięcia zamierzonego celu (np. regulacja). Oddziaływanie polega na przesyłaniu odpowiednich sygnałów do obiektu, którym sterujemy. W przypadku, gdy sygnały sterujące generowane są z użyciem sieci neuronowych mówimy o neurosterowaniu (sterowaniu neuronalnym). Neurosterownikiem można nazwać układ generujący sygnały sterujące, który zbudowany jest w oparciu o sztuczne sieci neuronowe.

Projektowanie i zasady projektowania

Ponieważ jakość sterowania, zależy od tego jak dobrze znamy obiekt powinniśmy dysponować jak najlepszym modelem. Wyróżniamy sterowanie ze sprzężeniem zwrotnym (regulacja) oraz takie w otwartej pętli. W zależności od danego problemu i poziomu jego skomplikowania należy dobrać odpowiednią ilość neuronów wejściowych, warstw ukrytych, a także funkcje aktywacji. Ponieważ jeden z dwóch różniących się od siebie rodzajów sieci (i neuronów) przy tym samym problemie może wykazywać lepsze własności od drugiego (np. szybciej będzie dało się nauczyć sieć) trzeba także dobrać właściwy dla problemu rodzaj sieci. Wyuczona do rozwiązywania danego problemu sterowania w określonych warunkach sieć neuronowa, nie zmieniająca swoich własności podczas pracy, nie nadaje się do zastosowana w obiekcie, którego własności ulegają zmianom w czasie.

Zastosowania

-sterowanie dowolnym procesem fizycznym (od prostych po skomplikowane)

-regulatory (jako alternatywa np. dla PID) – to zagadnienie można rozwinąć na egzaminie

Źródło:

J. Żurada i inni, „Sztuczne sieci neuronowe”