Сферы применения нейросетевых технологий, их отличие от экспертных систем
Компьютерные технологии, получившие название нейросетевых, работают по аналогии с принципами строения и функционирования нейронов головного мозга человека и позволяют решать чрезвычайно широкий круг задач: распознавание человеческой речи и абстрактных образов, классификацию состояний сложных систем, управление технологическими процессами и финансовыми потоками, решение аналитических, исследовательских, прогнозных задач, связанных с обширными информационными потоками. Являясь мощным технологическим инструментом, нейросетевые технологии облегчают специалисту процесс принятия важных и неочевидных решении в условиях неопределенности, дефицита времени и ограниченных информационных ресурсов.
С середины 1980-х годов нейронные сети начали использоваться на Западе преимущественно в финансовых и военных приложениях. Однако, несмотря на успех, инструмент оказался слишком сложным и дорогостоящим.
Ситуация изменилась в начале 1990-х годов, когда на рынке появилось новое поколение нейросетевых технологий — мощных, недорогих, простых в использовании. Одним из лидеров рынка стал нейросетевой пакет BrainMaker американской фирмы CaliforniaScientificSoftware.
Разработанный по заказу военных пакет был адаптирован для бизнес-приложений и с 1990 года удерживает лидерство среди самых продаваемых нейросетевых пакетов США.
Отличительной чертой нейронных сетей является их способность менять свое поведение (обучаться) в зависимости от изменения внешней среды, извлекая скрытые закономерности из потока данных. При этом алгоритмы обучения не требуют каких-либо предварительных знаний о существующих в предметной области взаимосвязях — необходимо только подобрать достаточное число примеров, описывающих поведение моделируемой системы в прошлом. Основанная на нейросетях технология не предъявляет повышенных требований к точности входных данных как на этапе обучения, так и при ее использовании (после настройки и обучения), например, при распознавании симптомов приближения критических ситуаций, для краткосрочных, а иногда и долгосрочных прогнозов. Таким образом, нейросетевая технология обладает двумя чрезвычайно полезными свойствами: способностью обучаться на конкретном множестве примеров; умением стабильно распознавать, прогнозировать новые ситуации с высокой степенью точности, причем в условиях внешних помех, например, появления противоречивых или неполных значений в потоках информации.
|
|
|
Взяв за основу работу мозга, нейросетевые технологии включили в себя и ряд биологических терминов, понятий, параметров, а метод получил название генетического алгоритма.
|
|
|
Для реализации нейросетевой технологии должны быть выполнены следующие условия: наличие IBMPC или совместимого компьютера, мыши, MSWindows 3.1 или выше, 4 Мбайт RAM (оперативной памяти).
Технологические принципы реализации ОМП в локальных и зональных АСУ АТП
ОМП – определение местоположения. Задачи ОМП автомобилей, других транспортных средств, ценных грузов крайне актуальны как для государственных правоохранительных органов, так и для частных структур безопасности.В системах автоматического определения местоположения транспортного средства — AVL (Automatic Vehicle Location system) местоположение ТС определяется автоматически по мере перемещения его в пределах данной географической зоны. Система AVL обычно состоит из подсистемы ОМП, подсистемы передачи данных и подсистемы управления и обработки данных.
По назначению AVL-системы можно разделить:
на диспетчерские системы, в которых осуществляется централизованный контроль в определенной зоне за местоположением и перемещением ТС в реальном масштабе времени одним или несколькими диспетчерами системы, находящимися в стационарных диспетчерских центрах;
системы дистанционного сопровождения, в которых производится дистанционный контроль перемещения подвижного объекта с помощью специально оборудованной автомашины или другого ТС;
|
|
|
системы восстановления маршрута, решающие задачу определения маршрута или мест пребывания ТС в режиме постобработки на основе полученных данных.
В зависимости от размера географической зоны, на которой действует AVL-система, она может быть:
− локальной, т.е. рассчитанной на малый радиус действия, что характерно в основном для систем дистанционного сопровождения;
− зональной, ограниченной, как правило, пределами населенного пункта, области, региона;
− глобальной, для которой зона действия составляет территории нескольких государств, материк, территорию всего земного шара.
AVL-системы характеризуются такими техническими параметрами, как точность местоопределения и периодичность уточнения данных. Эти параметры зависят от зоны действия AVL-системы. Чем меньше размер зоны действия, тем выше должна быть точность ОМП.Методы ОМП, используемые в AVL-системах, можно разбить на три основных категории:
Методы приближения.на практике чаще используется инверсный метод приближения — обнаружение и идентификация ТС осуществляется с помощью установленных на них маломощных радиомаяков, передающих на приемник КП свой индивидуальный код, или же с помощью оптической аппаратуры считывания и распознавания характерных признаков объекта, например, автомобильных номеров. Информация от КП далее передается в подсистему управления и обработки данных.
|
|
|
Методы ОМП по радиочастоте.Местоположение ТС определяется путем измерения разности расстояний от ТС до трех или более радиомаяков. Данную группу методов можно условно разбить на две подгруппы: радиопеленгация, при которой местоположение ТС определяется при приеме излучаемого им радиосигнала сетью стационарных или мобильных приемных пунктов, и вычисление координат по результатам приема специальных радиосигналов на борту подвижного объекта (методы прямой или инверсной радионавигации).
Методы навигационного счисленияоснованы на измерении параметров движения ТС с помощью датчиков ускорений, угловых скоростей, пройденного пути и направления. На основе полученных данных вычисляется текущее местоположение ТС относительно известной начальной точки. Для реализации данного метода в ТС используются: датчик пути, подключаемый к спидометру автомашины, датчик направления на основе феррозондов и датчик ускорения (акселерометр).
Дата добавления: 2018-02-28; просмотров: 500; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!