Помощь в написании студенческих работ
Антистрессовый сервис

Разработка и исследование нейросетевых алгоритмов решения задач навигации интеллектуальными мобильными агентами в нестационарных средах

Диссертация: Разработка и исследование нейросетевых алгоритмов решения задач навигации интеллектуальными мобильными агентами в нестационарных средах
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Эти обстоятельства приводят к необходимости синтеза специализированных многопроцессорных вычислительных систем нейросетевого типа на основе бионических подходов к управлению интеллектуальными агентами. Естественным прообразом бионических управляющих систем служат нейронные сети мозга. Некоторые концептуальные представления о нейронных механизмах управления в живых организмах сформулированы П. К… Читать ещё >

Разработка и исследование нейросетевых алгоритмов решения задач навигации интеллектуальными мобильными агентами в нестационарных средах (реферат, курсовая, диплом, контрольная)

Содержание

  • 1. АНАЛИЗ МЕТОДОВ НАВИГАЦИИ ИНТЕЛЛЕКТУАЛЬНЫХ МОБИЛЬНЫХ АГЕНТОВ
    • 1. 1. Интеллектуальные агенты мобильного типа и проблемы их навигации во внешней среде
    • 1. 2. Традиционные методы решения навигационных задач
    • 1. 3. Некоторые представления о решении навигационных задач живыми организмами
    • 1. 4. Бионический метод решения навигационных задач
    • 1. 5. Использование бионического метода при навигации по карте внешней среды
    • 1. 6. Выводы
  • 2. РАЗРАБОТКА НЕЙРОСЕТЕВЫХ АЛГОРИТМОВ И СТРУКТУР ДЛЯ РЕШЕНИЯ НАВИГАЦИОННЫХ ЗАДАЧ ИНТЕЛЛЕКТУАЛЬНЫМИ МОБИЛЬНЫМИ АГЕНТАМИ
    • 2. 1. Синтез алгоритма формирования карты проходимости внешней среды
    • 2. 2. Синтез алгоритма масштабирования карты внешней среды
    • 2. 3. Синтез алгоритма определения собственного положения интеллектуального агента на сформированной карте
    • 2. 4. Алгоритм навигации интеллектуального агента по карте внешней среды
    • 2. 5. Синтез алгоритма экстраполяции положения цели на карте среды на основе изучения ее поведения
    • 2. 6. Выводы
  • 3. ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ РАЗРАБОТАННЫХ АЛГОРИТМОВ РЕШЕНИЯ НАВИГАЦИОННЫХ ЗАДАЧ НА ПРОГРАММНЫХ МОДЕЛЯХ
    • 3. 1. Программная моделирующая среда
    • 3. 2. Результаты экспериментальных исследований алгоритмов решения навигационных задач
    • 3. 3. Сравнение быстродействий программной и аппаратной реализации синтезированных алгоритмов
    • 3. 4. Выводы
  • 4. ИСПОЛЬЗОВАНИЕ РЕЗУЛЬТАТОВ ДИССЕРТАЦИОННОЙ РАБОТЫ ДЛЯ РЕШЕНИЯ ПРАКТИЧЕСКИХ ЗАДАЧ
    • 4. 1. Нейросетевая навигационная подсистема, решающая задачу автоматизации управления кораблем в условиях естественных и искусственных навигационных опасностей
      • 4. 1. 1. Алгоритм работы подсистемы
      • 4. 1. 2. Формирование дискретной модели проходимости внешней среды
        • 4. 1. 2. 1. Локализация естественных навигационных опасностей на карте среды
        • 4. 1. 2. 2. Алгоритм вывода решения об отождествлении информации о подводных объектах с применением нечеткой логики
      • 4. 1. 3. Отображение сформированной модели внешней среды в подсистему планирования безопасного маршрута движения
      • 4. 1. 4. Результаты экспериментальных исследований нейросетевой навигационной подсистемы автоматизации управления кораблем
    • 4. 2. Нейросетевая навигационная подсистема, решающая задачу автоматизации управления батискафом
      • 4. 2. 1. Формирование модели внешней среды
      • 4. 2. 2. Определение скорости движения батискафа
      • 4. 2. 3. Экспериментальное исследование навигационной подсистемы управления батискафом
    • 4. 3. Назначение программной среды AgentSelfadapt и основные приемы работы с ней
      • 4. 3. 1. Общая характеристика программной среды
      • 4. 3. 2. Интерфейс программной среды и основные приемы работы с ним для сред различных типов
        • 4. 3. 2. 1. Интерфейс программы для работы с наземной средой
        • 4. 3. 2. 2. Интерфейс программы для случая надводной и подводной сред
      • 4. 3. 3. Средство ввода и отладки программ, моделирующих алгоритмы решения навигационных задач
      • 4. 3. 4. Написание и отладка программ
        • 4. 3. 4. 1. Результаты выполнения программ
    • 4. 4. Выводы

Актуальность темы

Как известно причиной большинства катастроф транспортных средств (ТС) является неожиданное возникновение по курсу их движения объектов как естественного, так и искусственного происхождения, угрожающих живучести ТС при отсутствии у экипажа достаточного времени для выработки курса, позволяющего обойти возникшую опасность. Решением этой проблемы может являться оснащение ТС системой, автоматически решающей задачи навигации, связанные со слежением за внешней средой по курсу движения и автоматической выработкой траектории обхода возникающих опасностей в условиях нестационарных сред. Далее сформированная траектория может использоваться экипажем в процессе управления ТС или отрабатываться в автоматическом режиме. Причем, в последнем случае на этапе автоматической отработки транспортное средство должно реализовать функции интеллектуального агента мобильного типа.

Цель создания таких агентов состоит в обеспечении оперативного автономного выполнения различных задач в нестационарной и априори неформализованной внешней среде [1]. Именно по этой причине агент должен обладать элементами искусственного интеллекта, а ТС, формирующее курс движения в автоматическом режиме, может рассматриваться в качестве интеллектуального агента (ИА).

Следует отметить, что применение систем, автоматически решающих навигационные задачи необходимо не только в транспортных средствах, управляемых человеком, но и в автономных ТС, примером которых могут служить адаптивные мобильные роботы (AMP) различного назначения, являющиеся частным случаем ИА. Применение AMP возможно во многих сферах человеческой деятельности, таких как производство, транспорт, оборона, научные исследования в условиях, пребывание в которых человека нежелательно или вообще невозможно, спасательные и ремонтно-восстановительные работы при ликвидации последствий чрезвычайных ситуаций, террористических актов и т. д. [2−6]. При этом основной проблемой, стоящей перед ИА, является планирование действий во внешней среде, направленных на достижение поставленной цели, т. е. организация собственного поведения.

Работы по созданию интеллектуальных мобильных агентов ведутся во многих научных центрах Японии, США, Великобритании, Франции, Германии и других стран. Однако, несмотря на все усилия, полученные результаты все еще далеки от желаемых. Это связано с тем, что обеспечение автоматической навигации ИА в общем случае связано с необходимостью разработки алгоритмов, позволяющих решать задачи формирования карты проходимости априори неформализованной внешней средыопределения собственного положения на карте по информации, получаемой из средыпланирования траектории движения к цели с использованием карты.

В свою очередь решение указанных задач предполагает разрешение следующих фундаментальных проблем научно-прикладного характера [7,8]: адекватного восприятия внешней средыкорректного представления знаний о нейэффективного исполнения эффекторными подсистемами ИА целенаправленных действий в реальном масштабе времени.

И если последняя проблема достаточно успешно решается методами теории автоматического управления с использованием ЭВМ традиционной архитектуры, обрабатывающих информацию последовательно во времени, то решение первых двух на тех же вычислительных средствах связано со значительными трудностями. Причинами этого являются как необходимость обработки больших объемов информации от параллельно функционирующих в реальном масштабе времени датчиков, распределенных в пространстве, так и необходимость применения новых мозгоподобных способов обработки информации, на которые эти ЭВМ не ориентированы [10].

Эти обстоятельства приводят к необходимости синтеза специализированных многопроцессорных вычислительных систем нейросетевого типа на основе бионических подходов к управлению интеллектуальными агентами [7−10]. Естественным прообразом бионических управляющих систем служат нейронные сети мозга. Некоторые концептуальные представления о нейронных механизмах управления в живых организмах сформулированы П. К. Анохиным в виде функциональной системы [11]. Подобные механизмы использовались ранее при разработке однородных управляющих структур [8] AMP. В них восприятие внешней среды и обработка информации реализуется подобно тому, как это происходит в живых организмах. Для эффективной работы с такой информацией нейроэлементы в системе управления AMP организуются в виде параллельных вычислительных структур — нейропроцессорных сетей. Анализ показывает, что в большинстве случаев математические операции, выполняемые такими сетями, крайне просты и могут быть сведены к элементарным логическим операциям [7−9].

На основании описанных представлений был создан бионический метод управления AMP. В рамках этого метода разработаны нейросетевые алгоритмы планирования траектории движения к цели в условиях двумерной и трехмерной сред [9]. Синтезированные на основании этих алгоритмов системы управления были экспериментально проверены на специально изготовленных макетных образцах. Однако, в рамках данного метода остались недостаточно исследованными вопросы: формирования карты проходимости внешней среды на основе комплексного анализа информации, получаемой от дистантных и тактильных датчиковопределения собственного положения на карте на основе этой информациипоиска цели во внешней средеэкстраполяции положения цели на карте внешней среды на основе изучения ее поведения.

В то же время исследование возможности применения в нейросетевых системах управления ИА навигационных подсистем, реализующих алгоритмы решения указанных задач, показали, что они могут существенно улучшить качество навигации ИА, а также расширить сферу их применения. Поэтому указанные выше проблемы решаются в рамках данной диссертационной работы, что делает ее актуальной.

Настоящая работа является дальнейшим развитием результатов исследований, проводимых на кафедре вычислительной техники ТТИ ЮФУ под руководством профессора Чернухина Ю.В.

Объектом исследования служат алгоритмы решения навигационных задач в условиях нестационарной, априори неформализованной внешней среды и реализующие их структуры нейроподобных сетей, а также алгоритмические и структурные особенности организации нейропроцессорных сетей (НПС) управления ИА с их использованием. Целью работы является разработка и исследование нейросетевых алгоритмов и структур для решения задач формирования карты проходимости внешней средыопределения собственного положения на ней, экстраполяции положения цели на этой карте для ИА типа AMP. Кроме того, исследуются вопросы разработки алгоритмов и структур формирования дискретной модели проходимости внешней среды для решения задачи автоматической навигации ИА типа надводный корабль, а также необитаемый батискаф. Работа выполнена в соответствии с пунктами «.Исследование и когнитивное моделирование интеллекта, включая моделирование поведения.» и «.Применение бионических принципов, методов и моделей в информационных технологиях.» паспорта специальности 05.13.17.

Методы исследований. Экспериментальные исследования разработанных алгоритмов проводились на программных моделях. При разработке алгоритмов применялись элементы теории дискретной математики, численных методов, теории множеств, адаптивного управления и языков программирования.

Достоверность полученных результатов подтверждена экспериментами на специально разработанных программных моделях, прошедших официальную регистрацию программ для ЭВМ.

Научная новизна. Разработаны нейросетевые алгоритмы и структуры формирования карты внешней среды, определения собственного положения.

ИА на этой карте, а также экстраполяции положения цели на карте на основе изучения ее поведения. Все вышеописанные алгоритмы были экспериментально исследованы на специально синтезированной для этой цели программной модели. Разработаны и исследованы на программной модели нейропроцессорные навигационные подсистемы автоматизации управления надводным кораблем и необитаемым батискафом. Для данных подсистем синтезированы алгоритмы формирования модели проходимости внешней среды на основе анализа информации о навигационных опасностях.

Основные положения, выносимые на защиту. На защиту выносятся следующие положения и результаты:

1. Алгоритм и нейросетевая структура для решения задачи формирования карты внешней среды интеллектуального агента, представляющего собой AMP;

2. Алгоритмы и нейросетевые структуры, позволяющие выполнять определение собственного положения интеллектуального агента типа AMP с использованием карты среды, а также осуществлять экстраполяцию положения нестационарной цели на этой карте;

3. Алгоритмы и нейросетевые структуры, решающие задачи формирования дискретной модели проходимости внешней среды для интеллектуальных агентов типа надводный корабль и необитаемый батискаф.

Практическая ценность работы. Синтезированные в диссертации алгоритмы и структуры могут применяться при разработке нейросетевых систем управления ИА, ориентированных на применение в практически важных сферах деятельности, таких как транспорт, оборона, производство, научные исследования в экстремальных условиях, спасательные и ремонтно-восстановительные работы при ликвидации последствий чрезвычайных ситуаций и террористических актов и т. д. Полученные в работе результаты использовались в хоздоговорной НИР № 12 237 «Разработка алгоритмического обеспечения задачи отождествления информации от гидроакустических средств поиска подводных объектов», в хоздоговорной НИР № 12 238 «Разработка и исследование систем автоматизации проектирования проблемно-ориентированных вычислительных устройств на базе ПЛИС», а также в учебном процессе кафедры вычислительной техники ТТИ ЮФУ, что подтверждено соответствующими актами. Апробация работы. Основные результаты работы докладывались на:

1. Всероссийской научной конференции студентов и аспирантов «ТЕХНИЧЕСКАЯ КИБЕРНЕТИКА РАДИОЭЛЕКТРОНИКА И СИСТЕМЫ УПРАВЛЕНИЯ» (Таганрог, ТРТУ, 2002 г.);

2. Научной конференции ППС ТРТУ (ТРТУ 2005 г.);

3. 14-ой международной конференции по нейрокибернетике «Проблемы нейрокибернетики» (Ростов на Дону, РГУ, 2005 г.);

4. Всероссийской научной конференции молодых ученых, аспирантов и студентов «ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ, СИСТЕМНЫЙ АНАЛИЗ И УПРАВЛЕНИЕ «(Таганрог, ТРТУ, 2005 г.);

5. Всероссийской научно-технической конференции «НЕЙРОИНФОРМАТИКА 2006 «(Москва-, 2006 г.);

6. Всероссийской научно-технической конференции «НЕЙРОИНФОРМАТИКА 2007 «(Москва, 2007 г.).

Публикации. По теме диссертации опубликовано 14 печатных работ, в которых отражены основные результаты диссертации.

Структура и объем работы. Материал основной части диссертационной работы изложен на 189 страницах машинописного текста. Диссертация состоит из введения, четырех разделов, заключения и списка литературы из.

71 наименования, содержит 106 рисунков, 1 таблицу и 4 приложения на 27 страницах.

4.4. Выводы.

1. Экспериментально доказано, что применение развиваемого в данной работе бионического метода возможно для обеспечения навигационной безопасности надводных и подводных транспортных средств;

2. Разработана нейросетевая навигационная подсистема, решающая задачу автоматизации управления кораблем. В рамках этой системы синтезирован алгоритм, формирующий адекватную дискретную модель проходимости внешней среды благодаря автоматической локализации естественных и искусственных навигационных опасностей, а также комплексному анализу данных об искусственных подводных объектах. Результаты экспериментального исследования разработанной подсистемы на программной модели показали ее высокую эффективность (во всех смоделированных ситуациях удалось сформировать траекторию, позволившую обойти опасные зоны) и возможность решения навигационных задач в реальном масштабе времени (длительность планирования одного шага траектории- 0,007 секунды).

3. Разработана навигационная подсистема управления батискафом, позволяющая в автоматическом режиме планировать траекторию движения к целевому объекту. В рамках этой подсистемы синтезирован алгоритм формирования модели внешней среды на основе анализа информации, получаемой от гидроакустической станции, позволяющий формировать безопасную траекторию движения к цели. Эта траектория в более чем 90% смоделированных ситуаций является кратчайшей из всех возможных. Аппаратная реализация навигационной подсистемы позволяет решать задачу планирования траектории в реальном масштабе времени (длительность планирования одного шага — 0,0036 секунды).

4. Для исследования алгоритмов решения навигационных задач интеллектуальными агентами в рамках учебного процесса была разработана среда AgentSelfAdapt. Эта программа позволяет студентам в интерактивном режиме выбирать тип среды функционирования агента, задавать взаимное расположение агента, препятствий и цели в среде, а также создавать и исследовать программные реализации алгоритмов решения навигационных задач. С применением этой программной среды на кафедре вычислительной техники ТТИ ЮФУ поставлены 4 лабораторные работы, используемые при организации учебного процесса.

ЗАКЛЮЧЕНИЕ

.

1. В диссертационной работе рассмотрен комплекс теоретических и практических вопросов, связанных с разработкой и исследованием нейросетевых алгоритмов и структур решения навигационных задач ИА в условиях нестационарных сред.

2. Разработан алгоритм, позволяющий ИА типа AMP за счет комплексного анализа информации об уже посещенных участках среды и участках, подлежащих исследованию, полностью исследовать внешнюю среду с одновременным составлением карты ее проходимости.

3. Для навигации ИА с использованием сформированной карты синтезирован алгоритм, выполняющий точное определение собственного положения агента на карте за счет уточнения информации о перемещении корпуса ИА, полученной от одометрической подсистемы, при помощи сравнения плана проходимости среды и данных, хранящихся в карте.

4. Для нахождения нестационарной цели, находящейся за пределами восприятия сенсорной подсистемы ИА синтезирован алгоритм изучения ее поведения, позволяющий выявлять места ее наиболее частого появления. На основании этой информации разработан алгоритм экстраполяции положения цели на карте.

5. Разработана программная моделирующая среда MRSelfAdapt, прошедшая государственную регистрацию. С ее использованием экспериментально исследованы синтезированные алгоритмы. Качественные и количественные оценки проведенных экспериментов позволяют сделать вывод о работоспособности и эффективности предлагаемых алгоритмов при решении навигационных задач в условиях нестационарной внешней среды.

5. Оценки быстродействия разработанных алгоритмов показали, что скорость их работы в случае полной аппаратной реализации в среднем в 50 раз выше, чем при программной. Приведенные оценки дают возможность сделать вывод о том, что аппаратная реализация предлагаемых алгоритмов позволяет управлять ИА в условиях нестационарной внешней среды не только в реальном масштабе времени, но и с его опережением.

6. Разработана нейропроцессорная навигационная подсистема автоматизации управления надводным кораблем, дающая возможность в реальном масштабе времени автоматически вырабатывать траекторию его движения, позволяющую обходить зоны вокруг естественных и искусственных навигационных опасностей.

7. Разработана нейропроцессорная навигационная подсистема автоматизации управления батискафом в процессе движения к целевому объекту. Эта подсистема может использоваться как в автоматическом режиме формирования траектории, так и в режиме поддержки принятия решений оператором, дистанционно управляющим батискафом. Она позволяет в реальном масштабе времени формировать модель внешней среды по данным, получаемым от бортовой гидроакустической станции, и вырабатывать кратчайшую траекторию движения к цели, а также определять скорость батискафа при отработке этой траектории.

Показать весь текст

Список литературы

  1. Weiss G. Multiagent Systems. A Modern approach to distributed artificial intelligence. — Ma: M1. Press, 1996. — 585 p.
  2. Е.И. Робототехника. СПб.: Изд-во СПбГТУ, 2001. — 300 с.
  3. Jean-Paul Laumond. Robot motion planning and control, 1998. 343 p.
  4. Ю.М. Адаптация и обучение в робототехнике- М.гНаука, 1990. -248 с.
  5. Интегральные роботы //Под ред. Поздняка Г. Е. М.:Мир, 1973. — 419 с.
  6. От моделей повеления к искусственному интеллекту // Под ред. Редько В. Г. M.:URSS, 2006. — 447 с.
  7. Ю.В. Микропроцессорное и нейрокомпьютерное управление адаптивными мобильными роботами. Таганрог: ТРТИ, 1993. — 90 с.
  8. А.В., Чернухин Ю. В., Носков В. П. Однородные управляющие структуры адаптивных роботов // Под ред. А. В. Каляева и Ю. В. Чернухина. -М.: Наука, 1990. 152 с.
  9. Ю.В. Нейропроцессорные сети. Таганрог: ТРТУ, 1999. -439 с.
  10. Ю.Чернухин Ю. В. Искусственный интеллект и нейрокомпьютеры.
  11. Таганрог: ТРТУ, 1999. 273 с. П. Анохин П. К. Принципиальные вопросы общей теории функциональных систем // Принципы системной организации функций. — М.: Наука, 1973. — С. 5−61.
  12. Arleo A., Millan J., Floreano D. Efficient learning of variable-resolution cognitive maps for autonomous indoor navigation. IEEE Transactions on Robotics and Automation, 1999, Vol 15, No 6. P. 990−1000.
  13. Т., Лейзерсон Ч., Ривест Р. Алгоритмы построение и анализ. -М: МЦНМО, 2001. 955 с.
  14. Borenstein J., Feng L., Measurement and correction of systematic odometry errors in mobile robots. IEEE Transactions on Robotics and Automation, 1991, Vol 7, № 4.-P. 535−539.
  15. Borenstein J., Karen Y., The vector field histogram fast obstacle avoidance for mobile robots. IEEE journal of Robotics and Automation, 1991, Vol 7, № 3. — P. 278−288.
  16. Borenstein J., Koren Y. Histogramic in-motion mapping for mobile robot obstacle avoidance. ШЕЕ Transactions on Robotics and Automation, 1991, Vol 7, No 4.-P. 535−539.
  17. Filliat D., J.A. Meyer. Map based navigation in mobile robots. A review of localization strategies. Journal of Cognitive Systems Research, 2003, № 4. -P. 243−282.
  18. Filliat D., Meyer J-A. Global localization and topological map-learning for robot navigation. In Proceedings of the Six Conferences on Simulation of Adaptive Behavior, 2000. P. 140−150.
  19. Mataric M. Integration of representation into goal-driven behavior-based robots. IEEE Transactions on Robotics and Automation, 1992, Vol 8, No 3. -P. 304−312.
  20. Meyer J-A, Guillot A, Girard В., Khamassi M., Pirim P., Berthoz A. The Psikharpax project: Towards building an artificial rat. Robotics and autonomous Systems, 2005, Vol 50, № 4, p.211−223.
  21. Filliat D., J.A. Meyer. Active perception and map learning for robot navigation. Proceedings of the Sixth International Conference on Simulation of Adaptive Behavior. Cambridge: MIT Press, 2000. — P. 246−255.
  22. Golovko V, Klimovich D. Neural system simulation for autonomous control of the mobile robot Proceedings of the Fifth International Conference of Advanced Computer Systems. Silesian Technical University. Szczecin, 1998.
  23. Golovko V, Dimakov V. Architecture of Neural System for control of autonomous vehicles. In preprints of third IF AC symposium of intelligent autonomous vehicles. Madrid, Spain: Elsevier science Ltd.
  24. Golovko V, Schilling K, Roth H, Sadykhov R, Albertos P, Dimakov V. The architecture of neural system for control of a mobile robot. In Proceedings of ICCNAI'99. Brest, Belarus, 1999. — P.57−61.
  25. Tolman E.C. Cognitive maps in rats and men. Psychological Review, 1948, № 55.27.0'Keefe, J. Dostrovsky. The hippocampus as spatial map, preliminary evidence from unit activity in the freely moving rat. Experimental brain research, 1971, № 34.
  26. Borghi G., Brugali D. Autonomous map learning for a multi-sensor mobile robot using dictiometric representation and negotiation mechanism. In Proceedings of the international conference of advanced robotics (ICAR 95).-IEEE Press, 1995.
  27. Muratet L., Doncieux S., Meyer J-A. A contribution to Vision-Based Autonomous Helicopter flight in urban environments. In Proceedings of the International Session on Robotics, September 2004.
  28. Cheng V.H. Concept development of automatic guidance for rotorcraft obstacle avoidance. IEEE transactions on robotics and automation, 1990, Vol.6, № 2. P.252−257.
  29. Carroll C. P, Stephen R.N., McClaren R.T. AUV path planning: An A* approach. Proc Symp. On AUV Technology.-Washington D.C., 1992.-P. 79−84.
  30. WarrenW.C. A technique for autonomous underwater vehicle route planning IEEE Journal of Oceanic Engineering, 1990, Vol 15, № 3.-P. 199−204.
  31. K.A. Правила моделирования пространства млекопитающими. Материалы 13-ой международной конференции по нейрокибернетике «Проблемы нейрокибернетики». Сборник трудов. Т.2. Ростов- на- Дону: Изд-во ООО «ЦВР», 2005. — С. 192−195.
  32. Trullier О., Meyer J.A. Place sequence learning for navigation, in: Artificial Neural Networks. ICCAN'97,1997. P. 757−762.
  33. Jensen O., Idiart M., Lisman J. Physiologically realistic formation of auto associative memory in networks with theta/gamma oscillations: Role of fast NDMA channels. Learning and Memory, 1996, № 3. P. 243−256.
  34. Muller R., Stead M., Pach. J. The hippocampus as a cognitive graph. Journal of General Physiology, 1996, № 2. P. 663−694.
  35. Shmajuk N., Thieme A. Purposive behavior and cognitive mapping: A neural network model. Biological Cybernatics, 1992, № 6. P. 165−174.
  36. K.A. Естественный путь к искусственному интеллекту. Компьютерра, 2002, № 41.
  37. Adomi G., Cagnoni S., Enderle S. Vision-based localization for mobile robots. Robotics and Autonomous Systems, 2001, № 36. P. 103−119.
  38. Ю.В., Приемко А. А. Алгоритм навигации адаптивных мобильных роботов по автоматически формируемой карте в условиях динамически изменяющейся внешней среды. Известия ТРТУ, Тематический выпуск «Интеллектуальные САПР», 2007, № 1. С.46−51.
  39. Ю.В., Приемко А. А. Особенности классификации подводных объектов в условиях неопределенности //Материалы научной конференции ППС ТРТУ. Таганрог: Изд-во ТРТУ, 2003, № 1. — С. 63.
  40. Ю.В., Приемко А.А Метод отождествления подводных объектов на основе нечеткой логики. Известия ТРТУ. Тематический выпуск «Интеллектуальные САПР». Таганрог: ТРТУ, 2006, № 8. -С.5−10.
  41. Ю.В., Приемко А. А. Нейросетевая система навигационной безопасности судовождения. Известия ТРТУ. Специальный выпуск. Материалы LII Научно-технической конференции. Таганрог, 2006. -С. 83−87.
  42. Ю.В., Приемко А. А. Трехмерная нейросеть адаптивного подводного робота. Известия ТРТУ. Тематический выпуск: «Компьютерные технологии в науке инженерии и управлении». -Таганрог: ТРТУ, 2005. С. 100−103.
  43. Ю.В., Приемко А. А. Авторское свидетельство об официальной регистрации программы «Программный комплекс моделирования самообучающихся нейросетевых систем управления мобильных роботов в условиях наземной среды», № 2 007 611 017, 6 марта, 2007 г.
  44. Chernukhin Yu.V., Priemko А.А. Method of an environment mapping in neural network control system of adaptive mobile robot. Optical memory and Neural Networks. NY: Allerton Press, 2006, Vol.15, № 1. — P. 45−49.
  45. Brooks R. Elephants Don’t Play Chess. «Designing Autonomous Agents: Theory and Practice from Biology to Engineering and Back». Cambridge: MIT Press, 1990.-P. 3−15.
  46. Brooks R. Intelligence without representation. Artificial Intelligence, 1991, Vol 47.-P. 139−159.
  47. Clark M.R., Anderson G.T., Skinner R.D. Coupled Oscillator Control of Autonomous Mobile Robots. Autonomous Robots, 2000, Vol 9.-P. 189−198.
  48. Grasso F., Consi T. R., Mountain D. C., Atema J. Biomimetic Robot Lobster Performs Chemo-orientation in Turbulence Using a Pair of Spatially Separated Sensors: Progress and Challenges. Robotics and Autonomous Systems, 2000, Vol 30. P. l 15−131.
  49. P., Фервай M. Delphi 4. Полное руководство. Киев: Изд-во BHV, 1999. — 797 с.
  50. Буч Г. Объектно-ориентированный анализ и проектирование с примерами приложений на С++. Москва: Изд-во Бином, 1998. — 558 с.
  51. М. Вычислительная геометрия и компьютерная графика на С++: Пер. с англ. М.: БИНОМ, 1997. 356 с.
  52. Т. Алгоритмы машинной графики и обработки изображений. -М.: 1989.-400 с.
  53. Ф., Шеймос М. Вычислительная геометрия: Введение: Пер. с англ. М.: Мир, 1989.
  54. Т. Освоение Turbo Assembler. Санкт Петербург: Изд-во Диалектика, 1996. — 544с.
  55. Л. Персональные ЭВМ ЮМ PC и XT. Программирование на языке ассемблера. Москва: Изд-во Радио и связь, 1989. -. 336 с.
  56. Мешков А, Тихомиров Ю. Visual С++ и MFC. 2 издание. Санкт Петербург: Изд-во «БХВ-Санкт-Петербург», 1999. — 1020 с.
  57. Физические основы подводной акустики: Пер. с англ. М.'Советское радио, 1955.
  58. А.П., Митько В. Б. Инженерные расчеты в гидроакустике. Л.: Судостроение, 1988.
  59. Takagi Т., Sugeno М. Fuzzy identification of systems and its application to modeling and control. IEEE Transactions on SMC, 1985. P. 116−132.70.0ссовский С. Нейронные сети для обработки информации. М. «Финансы и статистика», 2002. — 343 с.
  60. Takagi Т., Sugeno M. Fuzzy identification of systems and its application to modeling and control. IEEE Transactions on SMC, 1985. P. 116−132.
Заполнить форму текущей работой

Сессия? Спокойно!