Аннотация:
В настоящее время нейронные сети широко используются для решения таких задач, как обнаружение объектов, сегментация изображений, распознавание речи, анализ тональности текста и т.д. Для этих задач предложено множество новых типов слоев и структур сети, что привело к существенному улучшению качества получаемого результата.
Рассматривая же задачи управления, необходимо отметить, что нейронные сети не получили столь широкого применения. Поэтому одна из целей данного доклада - продемонстрировать некоторые причины такого положения дел.
В докладе, основываясь на методологии прямого адаптивного управления с эталонной моделью, будут рассмотрены следующие вопросы:
1) какие виды неопределенностей могут быть эффективно компенсированы нейронными сети, и когда их следует использовать вместо компенсаторов на основе линейной регрессии;
2) какие типы нейронных сетей используются для решения вышеуказанных задач и какими свойствами они обладают;
3) как их обучать (офлайн или онлайн) и как обеспечить системе управления устойчивость;
4) почему современные структуры глубоких нейронных сетей не находят широкого применения;
5) как использовать нейронные сети для управления нелинейными объектами с дефицитом каналов управления (в качестве примера рассматривается балансирующий робот).
|
