Нейронечеткие системы в моделировании устройств беспилотных транспортных средств
Автор: Золкин Александр Леонидович, Айгумов Тимур Гаджиевич, Тормозов Владимир Сергеевич, Василенко Константин Александрович
Рубрика: Математическое моделирование
Статья в выпуске: 4, 2022 года.
Бесплатный доступ
Рассматривается роль и значение адаптивных нейронечетких систем и теории нечетких множеств, метод определения истинности правил, показана итерационная особенность исследуемого алгоритма. В настоящее время экспертные системы на основе нечетких правил применяются в автомобильной, аэрокосмической и транспортной промышленности, в области изделий бытовой техники, сфере финансов, анализа и принятия управленческих решений и др. Приводится практическая реализация расчета функции слоя фаззификации и функциональное значение математического аппарата сети. Акцентируется значение использованного персептрона в создании аппарата нечеткого вывода в цифровых и аналоговых актуаторах. Нечеткие системы, широко применяемые для понимания поведения системы, очень интерпретируемы и способны моделировать человеческие знания с помощью понятных лингвистических терминов. Предлагается модель практического использования алгоритма при моделировании работы устройства в беспилотном транспортном средстве.
Нейронные сети, программное обеспечение, нейронечеткие системы логического вывода, машинное обучение, моделирование
Короткий адрес: https://sciup.org/148325188
IDR: 148325188 | DOI: 10.18137/RNU.V9187.22.04.P.3
Список литературы Нейронечеткие системы в моделировании устройств беспилотных транспортных средств
- Чирков М., Лачинина Т., Чистяков М. Знания и информация как синергия платформенного подхода цифровизации глобального развития // Свободная мысль. 2020. № 5 (1683). С. 37–44.
- Abhishek K.M., Mitra R. (2013) Design of ANFIS Controller Based on Fusion Function for Linear Inverted Pendulum. Proc. of International Conference on Advances in Computing: Part of the Advances in Intelligent Systems and Computing book series (AISC , vol. 174). New Delhi, Springer India Indian Institute of Technology, Roorkee, Haridwar, 2013, pp. 379–386.
- Akhilesh K.M., Devesh K.P (2015) Vehicle Classification Using Adaptive Neuro Fuzzy Inference System (ANFIS). Proc. of Fourth International Conference on Soft Computing for Problem Solving: Part of the Advances in Intelligent Systems and Computing book series (AISC , vol. 336). Delhi, Springer India, pp. 137–152.
- Bedri K., Nicolas F., Patrick G., Guillaume V., Tournebize J., Gaëlle T. (2011) Hydraulic Head Interpolation in an Aquifer Unit Using ANFIS and Ordinary Kriging. Computational Intelligence: Part of the Studies in Computational Intelligence book series (SCI , vol. 343). Berlin, Springer-Verlag Berlin Heidelberg, pp. 265–276.
- Dah-Jing J., Zong-Ming C. (2005) ANFIS Based Dynamic Model Compensator for Tracking and GPS Navigation Applications. International Conference on Natural Computation, Advances in Natural Computation: Part of the Lecture Notes in Computer Science book series (LNCS , vol. 3611). Keelung, Department of Communications and Guidance Engineering, National Taiwan Ocean University, 20224 Keelung, Taiwan, pp. 425-431.
- Jaime T., Francisco L., Julio M., Alejandro P., Miguel M. (2008) SERS and ANFIS: Fast Identification of the Presence of Retrovirus in CD 4 Cells, Cause of AIDS . Mexican International Conference on Artificial Intelligence: MICAI 2008: Advances in Artificial Intelligence, 7th Mexican International Conference on Artificial Intelligence, Atizapán de Zaragoza, Mexico, October 27-31, 2008. Institut fur Informationssysteme (DBAI ), TU Wien, Austria, pp. 936–947.
- Khaled A.A., Ahmed A.E., Mohamed A., Aboul E.H., Tarek G., Pei-Wei T., Jeng-Shyang P. (2017) Hybrid Krill-ANFIS Model for Wind Speed Forecasting. International Conference on Advanced Intelligent Systems and Informatics, Proceedings of the International Conference on Advanced Intelligent 49 Systems and Informatics 2016: Part of the Advances in Intelligent Systems and Computing book series (AISC , vol. 533). Cham, Springer International Publishing AG , pp. 365–372.
- Kyunghoon J., Inseong L., Hajun S., Jungmin K., Sungshin K. (2012) Vision Guidance System for AGV Using ANFIS. International Conference on Intelligent Robotics and Applications, Intelligent Robotics and Applications: 5th International Conference, ICI RA 2012, Montreal, QC, Canada, October 3-5, 2012, Proc., Part I. Berlin, Springer-Verlag Berlin Heidelberg, pp. 377–385.
- Rijun Z., Caishui H., Hui L., Meiyan Z., Meixin Z., Zhongsheng L., Liwu S., Fengqin L. (2014) Application of the Wavelet-ANFIS Model. Computer Engineering and Networking, Proceedings of the 2013 International Conference on Computer Engineering and Network (CE Net 2013), Part of the Lecture Notes in Electrical Engineering book series (LNEE, vol. 277). Cham, Springer International Publishing Switzerland, pp. 1373–1379.
- Tormozov V.S., Zolkin A.L., Vasilenko K.A. (2020) Optimization of neural network parameters based on a genetic algorithm for prediction of time series. International Multi-Conference on Industrial Engineering and Modern Technologies, FarEastCon 2020, p. 9271536. DOI : 10.1109/FarEastCon50210.2020.9271536.
- Xiaoxu L., Xiaofeng Y., Ren J., Jing L. (2019) Soil Moisture Retrieval Using UWB Echoes via ANFIS and ANN. International Conference in Communications, Signal Processing, and Systems: Communications, Signal Processing, and Systems: Part of the Lecture Notes in Electrical Engineering book series (LNEE, vol. 463). Singapore, Springer Nature Singapore Pte Ltd, pp. 1261–1268.
- Yumashev A., Koneva E., Borodina M., Lipson D., Nedosugova A. (2019). Electronic apps in assessing risk and monitoring of patients with arterial hypertension. La Prensa Medica Argentina, 105 (4), 235–245.
