|
Науково-дослідний інститут інтелектуальних комп'ютерних систем Тернопільський національний економічний університет |
|
2006, том 5, випуск 3 |
|
Зміст і резюме
ШТУЧНИЙ ІНТЕЛЕКТ І НЕЙРОННІ МЕРЕЖІ ЯК СПАДОК Heinz Muhlenbein
Fraunhofer Institut Autonomous Intelligent Systems Розглядається робота Алана Тюрінга і Джона фон Неймана на машинному інтелекті і штучних автоматах. Обговорюється пропозиція Тюрінга створити підмашину із здатністю до навчання. Фон Нейман мав сумніви, що метод навчання з вчителем буде можливим для створення штучного інтелекту. Він зосередив своє дослідження на питанні складності, імовірнісної логіки і самовідтворюючих автоматів. Проблема створення штучного інтелекту є далекою від вирішення. У останніх розділах статті я розглядаю відомі рішення в імовірнісній логіці, дослідженні складності і передавання знань. Ці теми були визначені Тюрінгом і фон Нейманом як важливі компоненти штучного інтелекту.
ПРОГНОЗ ПРОЦЕСУ ЗРОСТАННЯ ТРІЩИНИ ВТОМЛЕННЯ З ВИКОРИСТАННЯМ МЕТОДИКИ
Konstantin N. Nechval 1), Nicholas A. Nechval 2),
1) Applied Mathematics Dept, Transport Institute, Lomonosov Street 1, LV-1019, Riga, Latvia, e-mail: konstan@tsi.lv Аналіз руйнувань і запобігання їм є важливим для всіх технічних дисциплін, особливо для аерокосмічної промисловості. Суспільство пам’ятає нещасні випадки в авіації через надзвичайно високі втрати життів і великі збитки. У цій статті, після аналізу загальної методики оброблення даних зростання тріщини втомлення, пропонується методика штучних нейроних мереж (ШНМ) для оброблення даних он-лайн моніторингу зростання тріщини втомлення. Представлена модель для прогнозу зростання тріщини втомлення за допомогою ШНМ, якій не потрібні всі види матеріалів і параметрів навколишнього середовища, а лише потрібно виміряти відношення між а (довжина тріщини) і N (кількість циклів навантаження) у робочому режимі. Здійсненність реалізації цієї моделі перевірено на декількох прикладах. Це зумовлює неадекватність оброблення даних для цього методу і он-лайн контролю. Відтепер це має певне практичне значення для технічного застосування. ПРОМИСЛОВЕ ЗАСТОСУВАННЯ ШТУЧНОГО ІНТЕЛЕКТУ Colin M. Frayn
CERCIA, School of Computer Science, У цій статті я здійснюю більш детальний огляд двох специфічних застосувань систем штучного інтелекту, що були використані в промисловості. Зокрема, я розглядаю проблеми оптимізації шляху через неоднорідну мережу доріг і аналіз даних для фінансових застосувань. Ця стаття матиме справу з декількома важливими питаннями про застосування цих методів в реальних сценаріях і покаже, як деякі з цих проблем безпосередньо адресуються у випадку оцінки вартості для наших ділових партнерів.
КОМП’ЮТЕРНА ДІАГНОСТИКА З ВИКОРИСТАННЯМ МЕТОДІВ „М’ЯКИХ” ОБЧИСЛЕНЬ
Kurosh Madani 1), Matthieu Voiry 1) 2), Veronique Amarger 1), Nadia Kanaoui 1),
1) Images, Signals and Intelligent Systems Laboratory (LISSI / EA 3956), Senart Institute of Technology, Цікаво відмітити, що з точки зору формулювання проблеми “Промислова комп’ютерна діагностика” і “Біомедична комп’ютерна діагностика” може бути сформульована як така сама загадка діагностики: “Як визначити правильний діагноз з набору симптомів?”. Єдина різниця між двома вищенаведеними групами проблем – природа контрольованої (діагностованої) системи: у першій групі контрольована система – штучне машинне устаткування (завод, промисловий процес, тощо), коли у другій, контрольована система – живі організми (тварина або людина). Один з найбільш привабливих класів підходів, що дозволяє керувати розробленням Систем Автоматизованого Проектування (САПР) в рамках вищенаведеної подвійної точки зору, є методи базовані на м’яких обчисленнях, особливо ті, які пов’язані з нейронними мережами і нечіткою логікою. У цій статті, ми представляємо два підходи, базовані на м’яких обчисленнях, що мають справу з розробленням САПР. Один з них має на меті розроблення біомедично орієнтованих САПР, а інший розглядає застосування САПР для подолання проблеми промислової перевірки якості. Мета першої системи – діагностувати стан здоров’я людських слухових каналів. Мета другого – виявити і діагностувати дефекти оптичних пристроїв висотехнологічної техніки.
ЦІЛІСНЕ САМОПЕРЕПРОГРАМУВАННЯ НЕЙРОННИХ МЕРЕЖ: Jean-Jacques Mariage
CSAR research group, AI Laboratory, Paris 8 University Нейронні мережі інспіровані – хоча б метафорично – на основі біологічних рішень природи відібраних еволюцією. З однієї сторони, ефективність алгоритмів була широко продемонстрована експериментально, навіть якщо математичний доказ їх збіжності не завжди дуже простий для здійснення. З іншого боку, біологічні механізми такі як мозкові зв’язки або рудименти частково розуміли, а зв’язок життя або свідомості з біологічними основами залишається загальною загадкою. Те ж саме стосується пам’яті. Ми дійсно не знаємо, як інформація запам’ятовується і вибирається з біологічних нейронних структур. Тому ми, як це не парадоксально, використовуємо складні системи, ядро яких ми все ще не завжди повністю розуміємо, так само як і моделі, які ми будуємо, і їх основи в реальному світі. У цій теоретичній статті, ми вдаємося до декількох біологічних схем шифрування, що дає деяке розуміння зростання нейронних структур, пластичності і реорганізації, і ми пропонуємо перегляд побудови моделей з погляду адаптивної еволюції. НАВЧАННЯ З НАВКОЛИШНЬОГО СЕРЕДОВИЩА З ДОПОМОГОЮ УНІВЕРСАЛЬНОЇ ФУНКЦІЇ ПІДСИЛЕННЯ Diego Ariel Bendersky, Juan Miguel Santos
Departamento de Computacion, Facultad de Ciencias Exactas y Naturales, Universidad de Buenos Aires.
МОДУЛЬНИЙ НЕЙРОКОНТРОЛЕР ДЛЯ КЕРОВАНОЇ ДАТЧИКОМ РЕАКТИВНОЇ ПОВЕДІНКИ Poramate Manoonpong 1, 2), Frank Pasemann 1), Hubert Roth 3)
1) Fraunhofer Institut fur Autonome Intelligente Systeme (AIS), Sankt Augustin, Germany У цій статті представлено модульний нейроконтролер. Він має властивість генерувати реактивну поведінку ходьби машин. Нейроконтролер будується з використанням модульної структури. Вона складається з трьох різних функціональних модулів: попередня нейронна обробка, нейронна осциляторна мережа і швидкісні регулюючі мережі. Попередня нейронна обробка використовується для сенсорної обробки сигналу. Нейронна осциляторна мережа, заснована на центральному генераторі зразків, генерує ритмічний рух для основного пересування крокуючих машин, тоді як швидкісні регулюючі мережі міняють курси ходьби машин відповідно до сенсорної інформації. В результаті, цей нейроконтролер надає можливість машинам дослідити внутрішні та зовнішні середовища шляхом обходу перешкод і можливістю уникати кути або безвихідні ситуації. Спочатку це було розроблено і перевірено з допомогою фізичного моделювання навколишнього середовища, а потім було успішно установлено в шестиногу крокуючу машину AMOS-WD06. ІНФОРМАЦІЙНО-БАЗОВАНЕ АЛГОРИТМІЧНЕ ПРОЕКТУВАННЯ НЕЙРОМЕРЕЖЕВОГО КЛАСИФІКАТОРА Robert E. Hiromoto 1), Milos Manic 2)
1) University of Idaho, Moscow, Idaho 83844-1010, USA, hiromoto@cs.uidaho.edu Представлено інформаційно-базований принцип проектування, що забезпечує структуру для проектування як паралельних, так і послідовних алгоритмів. У цьому представленні, поняття організації інформації (даних) і канонічного розділення розглядаються і використовуються в проектуванні ітеративного лінійного методу для групування зразків. Крім того ця техніка порівнюється з методом “Переможець забирає все” і показано багато його переваг. ПІДХІД ДО РОЗПІЗНАВАННЯ ПОЧЕРКУ І СЛІВ ЗАСНОВАНИЙ НА ОПТИЧНОМУ СПРИЙНЯТТІ Marek Tabedzki, Khalid Saeed
Faculty of Computer Science, Bialystok Technical University Дана стаття представляє гібридну систему для розпізнавання букв і слів. Вона заснована на модифікації підходу на основі оптичного сприйняття, представленого в попередніх роботах авторів. Алгоритм підходить для роботи з цілими словами, фрагментами слів або окремими символами. Характерні вектори, взяті з відображення перевіреного зображення, обробляються з використанням методу мінімальних характеристичних значень теплицевої матриці. Отримані серії мінімальних характеристичних значень використовуються для класифікації з використанням штучних нейронних мереж. Представлено результати експериментів на різних наборах слів і букв.
ЕКСПЕРТИЗА ДЕФЕКТІВ ТА ПРОЕКТНИХ ПРАВИЛ НА ЗОБРАЖЕННІ КОМПОНУВАННЯ Alexander Doudkin, Alexander Inyutin
United Institute of Informatics Problems, Запропонована техніка оптичної експертизи зображення компонування друкованої плати, заснована на порівнянні зображення і математичних морфологічних методах. Унікальною особливістю методу є те, що контроль виконується на різних стадіях обробки зображень. Виконується перевірка наявності всіх розташованих елементів, потім перевіряються позиції знайдених елементів і їх відповідність до проектних правил, знаходяться розриви і короткі замикання. Також здійснюється перевірка тріщин, дефектів і дрібних отворів на провідниках. ОЦІНКА ВЗАЄМНОЇ КОРЕЛЯЦІЇ БАЗОВАНОЇ НА ОПТИЧНОМУ ПОТОЦІ ДЛЯ ВІДЕОСПОСТЕРЕЖЕННЯ Rauf Sadykhov 1), Denis Lamovsky 2)
1) United Institute of Informatics Problems National Academy of Science of Belarus, Дана стаття описує новий алгоритм обчислення функції взаємної кореляції. Ми скомбінували метод блочного фільтрування для обчислення коефіцієнтів взаємної кореляції з паралельною обробкою використовуючи MMX/SSE технологію сучасних загальноцільових процесорів. Ми використали цей алгоритм для оцінки оптичного потоку реального часу між кадрами відеопослідовності. Наш алгоритм був перевірений на реальних відеопослідовностях, отриманих від камер системи відеоспостереження. НЕЙРОМЕРЕЖЕВІ ПІДХОДИ ДЛЯ ВИЯВЛЕННЯ ВТОРГНЕННЯ І РОЗПІЗНАННЯ Vladimir Golovko, Leanid Vaitsekhovich
Brest State Technical University, Moskovskaja str. 267, 224017 Brest, Belarus Більшість сучасних систем виявлення вторгнення розглядають всі ознаки даних, щоб виявити вторгнення. Також існуючі підходи виявлення вторгнень мають декілька обмежень, а саме неможливість обробки великої кількості контрольних даних для роботи в реальному часі, низький рівень виявлення і точність розпізнавання. Щоб подолати ці обмеження, ми застосовуємо моделі модульних нейронних мереж, щоб виявити і розпізнати атаки в обчислювальних мережах. Вони базуються на комбінації аналізу основних компонент (АОК) нейронних мереж і багатошарових персептронів (БП). Мережі АОК використовуються для відбору важливих даних і для того, щоб скоротити багатовимірні вектори даних. Ми представляємо дві нейронні мережі АОК для виділення ознак: лінійні АОК (ЛАОК) і нелінійний АОК (НАОК). БП використовуються, щоб виявити і розпізнати атаки використовуючи ознаки даних замість оригінальних даних. Запропоновані підходи перевірені, використовуючи набір даних KDD-99. Експериментальні результати демонструють, що відповідні моделі багатообіцяючі в плані точності і обчислювального часу для виявлення реального вторгнення.
СКІЛЬКИ ПАРАШУТИСТІВ БУДЕ НЕОБХІДНО, ЩОБ ЗНАЙТИ ГОЛКУ НА ПАСОВИЩІ Akira Imada
Brest State Technical University, Moskowskaja 267 Brest 224017 Belarus Ця стаття – розгляд підходу виявлення вторгнення в обчислювальну мережу, що використовує штучні нейронні мережі або будь-які інші методи машинного навчання. Ми припускаємо, що вторгнення до мережі подібне до голки в копиці сіна на відміну від сімейства квітки іриса, і ми розглядаємо, як можна виявити атаку інтелектуальним способом, якщо такий є.
ІМІТАЦІЙНЕ МОДЕЛЮВАННЯ ПРОГНОЗУ ЧАСУ ПРИБУТТЯ МІЖПЛАНЕТНИХ УДАРНИХ Volodymyr Turchenko, Viktor Demchuk, Anatoly Sachenko
Research Institute of Intelligent Computer Systems, Ternopil National Economic University, В даній статті пропонується підхід до прогнозування часу прибуття міжпланетних ударних хвиль, використовуючи нейронні мережі, на основі даних, зібраних з одного каналу EPAM (Електрон, Протон і Альфа Монітор) космічного апарату NASA ACE. Розглядається короткий опис космічного апарату ACE і даних, опублікованих он-лайн на відповідному веб-сайті. Випробувано вибірку даних, для здійснення прогнозу міжпланетних ударних хвиль і описано структуру нейронної мережі. Результати імітаційного моделювання в MATLAB розглядаються в кінці статті. |