Реализация нейронных сетей в методе многоуровневых компонентных цепей 

Кочергин М.И. Реализация нейронных сетей в методе многоуровневых компонентных цепей // Научно-технический вестник информационных технологий, механики и оптики. 2023. Т. 23, № 6. С. 1162–1170. doi: 10.17586/2226-1494-2023-23-6-1162-1170

Введение. Проанализированы способы представления искусственных нейронных сетей в пакетах моделирования Simulink и SimInTech. Приведены примеры визуальных схем (моделей), построенных в данных пакетах моделирования с использованием блоков нейронных сетей. Показано, что этим моделям присущи такие недостатки, как отсутствие механизмов проведения структурной оптимизации искусственных нейронных сетей, отсутствие возможности их объединения в ансамбли и обучения нейронных сетей одновременно с работой модели объекта управления. При построении нейросетевых моделей управления затруднено использование специализированных библиотек Python (Keras, PyTorch и др.) и среды NeuroGenetic Optimizer (BioCompSystems). Метод. Показан способ реализации моделей искусственных нейронных сетей в формализме метода многоуровневых компонентных цепей. Согласно предложенному способу, построение моделей объекта и системы управления осуществляется на визуальном языке из готовых блоков (компонентов) с направленными и ненаправленными связями. Методика многоуровневого представления нейросетевых моделей управления связывает модели с другими инструментами метода компонентных цепей. Основные результаты. Предложены варианты моделей нейронных сетей с инкапсулированной и компонентной структурами. Первый вариант характеризуется компактностью модели управления, возможностью автоматизированной вариации и оптимизации структуры нейронной сети, возможностью изменения структуры сети во время работы модели при вычислительном эксперименте (сценарии). Второй вариант обладает возможностью детальной отладки, исследования процесса обучения сети и конструирования сети любой структурной сложности. Представлено описание связей основных разработанных компонентов — нейронной сети, блоков обучения, объединения нейросетей в ансамбль (бэггинг), чтения данных из файла, формирования выборок и слоев нейронной сети (входной, скрытый, выходной). Работа компонентов проиллюстрирована на реализации многоуровневой компьютерной модели неуправляемого полета тела (цели) и управляемого полета снаряда для решения задачи управления траекторией снаряда с целью поражения цели. Обсуждение. Разработанные библиотеки компонентов могут быть использованы в составе среды моделирования МАРС для построения многоуровневых систем управления объектами мультифизической природы.

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License