Применение методов ИИ в робототехнике: Гибридизация искусственных нейронных сетей и генетических aлгоритмов

• Номер работы:
  519841
• Раздел:
  Все работы   →   Рефераты и реферативные задания   →   Информационные технологии
• Год добавления:
  18.10.2018 г.
• Объем работы:
  21 стр.
• Содержание:
  Введение 3
  Искусственные нейронные сети и генетические алгоритмы в робототехнике 4
  Список использованной литературы 21
  ?
  
• Выдержка из работы:
  Некоторые тезисы из работы по теме Применение методов ИИ в робототехнике: Гибридизация искусственных нейронных сетей и генетических aлгоритмов
  Введение
  Развитие информационных технологий привело к серьезным изменениям в уровне задач, которые сегодня ставятся перед специалистами робототехники. От современных роботов требуется автономное и коллективное решение сложных управленческих задач, поэтому усилия исследователей направлены на изучение технологий работы с роботами, основывающихся не на простом выполнении производственных операций, а на принятие решения в процессе деятельности.
  Ключевые задачи, стоящие перед автономными роботами, предполагают их «самостоятельное» функционирование в течение продолжительного времени и разработку коллективных решений. Преимущества коллективной работы и принятия решений без вмешательства человека связаны с большей эффективностью, низкой стоимостью, высокой надежностью и устойчивостью к внешним возмущениям.
  .......................
  Искусственные нейронные сети и генетические алгоритмы в робототехнике
  Одним из наиболее востребованных применений нейронных сетей и генетических алгоритмов в робототехнике является глобальная и локальная навигация робота в пространстве. В качестве примера можно использовать обучение робота методике адаптивного поведения, используемого в мобильной разведке при помощи роботов. Моделирование окружающей среды на основе действий (Action-based Environment Modeling, AEM) на основе навигации, нашло применение в задачах разведки в неизвестных средах. В данной методике неконтролируемое адаптивное поведение способствует получению динамических реакций. Данный пример показывает, как неконтролируемый адаптивный метод способен выполнять обучение простого недорогого робота для выработки высокоточных поведенческих реакций внутри совокупности сред разной степени сложности. .........