Нечеткие системы
и мягкие вычисления

Том 3, № 2, 2008

Тематический номер:

Ответственные редакторы номера:

• доктор физико-математических наук, профессор Ульянов С.В.,
• доктор технических наук, профессор Черемисина Е.Н.

Статьи

• Ульянов С.В., Черемисина Е.Н.
  «Технологии интеллектуальных вычислений: Фундаментальные принципы и особенности применения в задачах системного анализа и робастного управления»
  

  Ресурсы: elibrary.ru.

• Ульянов С.В.
  «Робастные интеллектуальные системы управления: системный и структурный анализ»
  
  В статье проведен структурный анализ интеллектуальных систем управления (ИСУ) и описаны взаимосвязи с традиционными задачами теории систем управления. На основе анализа результатов моделирования типовых структур ИСУ показано, что применение нечёткой нейронной сети (ННС) не гарантирует (в общем случае) достижение требуемой точности аппроксимации обучающего сигнала (ОС), полученного от генетического алгоритма (ГА) и расположенного в контуре интеллектуальной глобальной обратной связи (ИГОС) структуры ИСУ. В результате, при существенном изменении внешних условий повышается уровень чувствительности объекта управления (ОУ), что приводит в целом к снижению робастности ИСУ и как следствие, к потере надёжности (точности) достижения поставленной цели управления. Рассматривается применение новых видов интеллектуальных вычислений для решения задачи повышения робастности ИСУ.

  Ресурсы: elibrary.ru.

• Литвинцева Л.В., Сорокин С.В., Ульянов С.В.
  «Применение оптимизатора баз знаний на основе мягких вычислений в задачах интеллектуального робастного управления»
  
  Эффективность процессов управления демонстрируется на конкретных типовых примерах моделей динамических объектов управления (ОУ) в условиях неполноты информации о параметрах структуры ОУ и при наличии непредвиденных (внештатных) ситуаций управления с применением оптимизатора баз знаний (ОБЗ) на мягких вычислениях. Показано, что использование ОБЗ в ситуации обучения и в непредвиденных ситуациях управления приводит к повышению уровня робастности структуры интеллектуальных систем управления (ИСУ).

  Ресурсы: elibrary.ru.

• Ulyanov S.V., Litvintseva L.V., Sorokin S.V.
  «Quantum control algorithm of knowledge self-organization in robust intelligent control systems based on quantum fuzzy inference» (на англ. языке)
  
  Данная статья описывает обобщенную стратегию робастного интеллектуального управления на основе технологий мягких/квантовых вычислений позволяющие повысить робастность гибридных интеллектуальных регуляторов за счет возможности самоорганизации. Предложено решение проблем за счет введения обобщенных квантовых стратегий в модель нечеткого вывода в реальном времени в виде квантового нечеткого вывода. Основное внимание уделено выявлению свойства робастности интеллектуальных систем управления на основе эффективного моделирования примеров.

  Ресурсы: elibrary.ru.

• Ulyanov S.S., Vybornaya N.S., Sharafutdinova A.
  «Engineering management in the field of high information technology of fuzzy control system's design: Formation technology, intelligent control law of intellectual enterprise products and methods of intellectual property protection» (на англ. языке)
  
  Обсуждается практическое применение методов процессов принятия решений к решению проблемы разработки технологии формирования, создания и защиты интеллектуальной собственности (ИС) на интеллектуальный продукт (ИП). Методология формирования и защиты ИС рассмотрена с позиции общей теории нечеткого управления. Возможности получения оптимальных решений рассматриваются в условиях нечеткости и неопределенности исходной информации.

  Ресурсы: elibrary.ru.

Назад