Оптимальное управление
Slide 279
'
&
$
%
Заключение и направления дальнейшего развития
(I)
Из приведенного материала видно, что нейросети успешно
справляются с решением задач:
• аппроксимации моделей динамических систем;
• корректиров ки динамических свойств объекта управ-
ления в сторону заданной эталонной модели.
В рассматриваемом случае НС делают это даже не привлекая такого
средства, как адаптация, заключающаяся в оперативной подстройке
синаптических весов НК непосредственно в процессе полета самолета.
Такого рода адаптация составляет важный резерв повышения качества
регулирования, а также приспосабливаемости управляемой системы к
меняющимся условиям функционирования.
Slide 280
'
&
$
%
Заключение и направления дальнейшего развития
(II)
Второй возможный источник улучшения характеристик нейросетевых
моделей и нейроконтроллеров состоит в использовании неоднородных
сетей прямого распространения, где можно было бы варьировать
параметры активационных функций нейронов независимо друг от друга.
При том же самом числе элементов, что и в однородных НС прямого
распространения, неоднородные сети имеют большее число «степеней
свободы», более высокую г ибкость.
Еще один источник у в еличения эффективности применения
нейросетевого подхода в задачах управ ления динамическими системами
состоит в использовании сетей с обратными связями. Такие НС, сами
являющиеся динамическими системами, лучше отвечают природе
объектов и процессов управления.
Рассмотрение этих возможностей составляет предмет следующих ра бот.
Ю. В. Тюменцев 140