Вибір нейроемулятора на основі методу керуючих локальних градієнтів у методі нейроуправління з еталонною моделлю

• Published in: Математичні машини і системи
• Date: 2012
• Main Author: Чернодуб, А.М.
• Format: Article
• Language: Ukrainian
• Published: Інститут проблем математичних машин і систем НАН України 2012
• Subjects: Обчислювальні системи
• Online Access: https://nasplib.isofts.kiev.ua/handle/123456789/60004
• Journal Title: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Cite this: Вибір нейроемулятора на основі методу керуючих локальних градієнтів у методі нейроуправління з еталонною моделлю / А.М. Чернодуб // Мат. машини і системи. — 2012. — № 3. — С. 61-68. — Бібліогр.: 13 назв. — укр.

Розглядаються задачі нейроідентифікації і нейроуправління з еталонною моделлю для нелінійного динамічного об'єкта. Аналізується проблема вибору нейроемулятора для навчання нейроконтролера, пропонується новий критерій на основі аналізу керуючих локальних градієнтів для вхідних нейронів нейроемулятора. Наводяться результати чисельних експериментів щодо навчання нейроконтролерів методами градієнтного спуска і розширеного фільтра Калмана. Рассматриваются задачи нейроидентификации и нейроуправления с эталонной моделью для нелинейного динамического объекта. Анализируется проблема выбора нейроэмулятора для обучения нейроконтроллера, предлагается новый критерий на основе анализа управляющих локальных градиентов для входных нейронов нейроэмулятора. Приводятся результаты множественных численных экспериментов по обучению нейроконтроллеров методами градиентного спуска и расширенного фильтра Калмана. Neuroidentification and neurocontrol with the reference model problems for nonlinear dynamic object are considered. A problem of proper neuroemulator choosing for neurocontroller training is anayzed. A new criterion on the basis of local control gradients analysis for input neuroemulator's neurons is proposed. Results of numerical simulations of neurocontroller training by a gradient descent method and for an Extended Kalman Filter method are given.