Штучний ройовий інтелект
У статті розглянуто, як штучний інтелект у формі рою може розвиватися завдяки еволюційним алгоритмам, спрямованим на зменшення сенсорного здивування системи. Використано принцип вільної енергії для кількісного опису оптимізаційного методу, який може підтримувати постійне навчання. Запропоновано інте...
Збережено в:
| Опубліковано в: : | Проблеми керування та інформатики |
|---|---|
| Дата: | 2024 |
| Автори: | , |
| Формат: | Стаття |
| Мова: | Українська |
| Опубліковано: |
Інститут кібернетики ім. В.М. Глушкова НАН України
2024
|
| Теми: | |
| Онлайн доступ: | https://nasplib.isofts.kiev.ua/handle/123456789/211161 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Цитувати: | Штучний ройовий інтелект / Я.В. Омельяненко, І.П. Сініцин // Проблеми керування та інформатики. — 2024. — № 3. — С. 91–103. — Бібліогр.: 32 назв. — укр. |
Репозитарії
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1862648718003535872 |
|---|---|
| author | Омельяненко, Я.В. Сініцин, І.П. |
| author_facet | Омельяненко, Я.В. Сініцин, І.П. |
| citation_txt | Штучний ройовий інтелект / Я.В. Омельяненко, І.П. Сініцин // Проблеми керування та інформатики. — 2024. — № 3. — С. 91–103. — Бібліогр.: 32 назв. — укр. |
| collection | DSpace DC |
| container_title | Проблеми керування та інформатики |
| description | У статті розглянуто, як штучний інтелект у формі рою може розвиватися завдяки еволюційним алгоритмам, спрямованим на зменшення сенсорного здивування системи. Використано принцип вільної енергії для кількісного опису оптимізаційного методу, який може підтримувати постійне навчання. Запропоновано інтеграцію цього методу з еволюційними алгоритмами для прискорення розвитку спеціалізованих штучних нейронних мереж (ШНМ), що визначають пропріоцептивну конфігурацію роботизованих елементів рою. Показано, як оптимізація вільної енергії сприяє гомеостазу ройової системи, забезпечуючи її здатність залишатися в межах сенсорних обмежень.
The article explores how artificial intelligence in the form of a swarm can evolve through evolutionary algorithms aimed at reducing the system's sensory surprise. The free energy principle is used to quantitatively describe an optimization method that can support continuous learning. It suggests integrating this method with evolutionary algorithms to accelerate the development of specialized artificial neural networks (ANNs) that define the proprioceptive configuration of robotic swarm elements. It shows how free energy optimization contributes to the swarm system's homeostasis, ensuring its ability to stay within sensory limits.
|
| first_indexed | 2026-03-15T13:34:13Z |
| format | Article |
| fulltext | |
| id | nasplib_isofts_kiev_ua-123456789-211161 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 0572-2691 |
| language | Ukrainian |
| last_indexed | 2026-03-15T13:34:13Z |
| publishDate | 2024 |
| publisher | Інститут кібернетики ім. В.М. Глушкова НАН України |
| record_format | dspace |
| spelling | Омельяненко, Я.В. Сініцин, І.П. 2025-12-25T09:16:46Z 2024 Штучний ройовий інтелект / Я.В. Омельяненко, І.П. Сініцин // Проблеми керування та інформатики. — 2024. — № 3. — С. 91–103. — Бібліогр.: 32 назв. — укр. 0572-2691 https://nasplib.isofts.kiev.ua/handle/123456789/211161 004.4, 004.89 10.34229/1028-0979-2024-3-7 У статті розглянуто, як штучний інтелект у формі рою може розвиватися завдяки еволюційним алгоритмам, спрямованим на зменшення сенсорного здивування системи. Використано принцип вільної енергії для кількісного опису оптимізаційного методу, який може підтримувати постійне навчання. Запропоновано інтеграцію цього методу з еволюційними алгоритмами для прискорення розвитку спеціалізованих штучних нейронних мереж (ШНМ), що визначають пропріоцептивну конфігурацію роботизованих елементів рою. Показано, як оптимізація вільної енергії сприяє гомеостазу ройової системи, забезпечуючи її здатність залишатися в межах сенсорних обмежень. The article explores how artificial intelligence in the form of a swarm can evolve through evolutionary algorithms aimed at reducing the system's sensory surprise. The free energy principle is used to quantitatively describe an optimization method that can support continuous learning. It suggests integrating this method with evolutionary algorithms to accelerate the development of specialized artificial neural networks (ANNs) that define the proprioceptive configuration of robotic swarm elements. It shows how free energy optimization contributes to the swarm system's homeostasis, ensuring its ability to stay within sensory limits. uk Інститут кібернетики ім. В.М. Глушкова НАН України Проблеми керування та інформатики Роботи та системи штучного інтелекту Штучний ройовий інтелект Artificial Swarm Intelligence Article published earlier |
| spellingShingle | Штучний ройовий інтелект Омельяненко, Я.В. Сініцин, І.П. Роботи та системи штучного інтелекту |
| title | Штучний ройовий інтелект |
| title_alt | Artificial Swarm Intelligence |
| title_full | Штучний ройовий інтелект |
| title_fullStr | Штучний ройовий інтелект |
| title_full_unstemmed | Штучний ройовий інтелект |
| title_short | Штучний ройовий інтелект |
| title_sort | штучний ройовий інтелект |
| topic | Роботи та системи штучного інтелекту |
| topic_facet | Роботи та системи штучного інтелекту |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/211161 |
| work_keys_str_mv | AT omelʹânenkoâv štučniiroioviiíntelekt AT síníciníp štučniiroioviiíntelekt AT omelʹânenkoâv artificialswarmintelligence AT síníciníp artificialswarmintelligence |