Интеллектуальное управление - Википедия - Intelligent control

Интеллектуальное управление это класс контроль методы, использующие различные искусственный интеллект вычислительные подходы, такие как нейронные сети, Байесовская вероятность, нечеткая логика, машинное обучение, обучение с подкреплением, эволюционные вычисления и генетические алгоритмы.^[1]

Обзор

Интеллектуальное управление можно разделить на следующие основные поддомены:

• Нейронная сеть контроль
• Управление машинным обучением
• Обучение с подкреплением
• Байесовский контроль
• Нечеткое управление
• Нейро-нечеткий контроль
• Экспертные системы
• Генетический контроль

Новые методы управления создаются постоянно по мере создания новых моделей интеллектуального поведения и разработки вычислительных методов для их поддержки.

Контроллер нейронной сети

Нейронные сети используются для решения задач практически во всех сферах науки и техники. Управление нейронной сетью в основном состоит из двух этапов:

• Идентификация системы
• Контроль

Было показано, что прямая связь сеть с нелинейными, непрерывными и дифференцируемыми функциями активации имеют универсальное приближение возможности. Рецидивирующий сети также использовались для идентификации системы. Учитывая набор пар данных ввода-вывода, идентификация системы направлена ​​на формирование сопоставления между этими парами данных. Такая сеть должна улавливать динамику системы. Для контрольной части глубокий обучение с подкреплением показала свою способность управлять сложными системами.

Байесовские контроллеры

Байесовская вероятность разработал ряд алгоритмов, которые обычно используются во многих современных системах управления, служащих пространство состояний оценщики некоторых переменных, которые используются в контроллере.

В Фильтр Калмана и Фильтр твердых частиц два примера популярных байесовских компонентов управления. Байесовский подход к проектированию контроллера часто требует значительных усилий для получения так называемой модели системы и модели измерения, которые представляют собой математические отношения, связывающие переменные состояния с измерениями датчиков, доступными в управляемой системе. В этом отношении он очень тесно связан стеоретико-системный подход к дизайн управления.

Смотрите также

• Выбор действия
• Эффект ИИ
• Приложения искусственного интеллекта
• Аппроксимация функции

Списки

• Список новых технологий
• Схема искусственного интеллекта

Рекомендации

Эта статья включает в себя список общих Рекомендации, но он остается в основном непроверенным, потому что ему не хватает соответствующих встроенные цитаты. Пожалуйста, помогите улучшать эта статья введение более точные цитаты. (Апрель 2011 г.) (Узнайте, как и когда удалить этот шаблон сообщения)

• Стенгель, Р.Ф. (1991). «Интеллектуальный отказоустойчивый контроль» (PDF). Журнал IEEE Control Systems. 11 (4): 14–23. Дои:10.1109/37.88586. HDL:2060/19920008758.

• Стенгель, Р.Ф. (1993). «К интеллектуальному управлению полетом» (PDF). IEEE Trans. Системы, человек и кибернетика. 23 (6): 1699–1717. Дои:10.1109/21.257764.

• Анцаклис, П.Дж. (1993). Пассино, К. (ред.). Введение в интеллектуальное и автономное управление. Kluwer Academic Publishers. ISBN  0-7923-9267-1. Архивировано из оригинал 10 апреля 2009 г.

• Liu, J .; Wang, W .; Golnaraghi, F .; Кубица, Э. (2010). «Новая нечеткая структура для управления нелинейными системами». Нечеткие множества и системы. 161 (21): 2746–2759. Дои:10.1016 / j.fss.2010.04.009.

дальнейшее чтение

• Джеффри Т. Спунер, Манфреди Маджоре, Рауль Ордонес и Кевин М. Пассино, Устойчивое адаптивное управление и оценивание нелинейных систем: нейронные методы и методы нечеткого приближения, Джон Уайли и сыновья, Нью-Йорк;
• Фаррелл, Дж. А., Поликарпу, М. (2006). Управление на основе адаптивного приближения: объединение нейронного, нечеткого и традиционного подходов адаптивного приближения. Вайли. ISBN  978-0-471-72788-0.CS1 maint: несколько имен: список авторов (связь)
• Шрамм, Г. (1998). Интеллектуальное управление полетом - подход с нечеткой логикой. TU Delft Press. ISBN  90-901192-4-8.