Программно-аппаратный комплекс для управления биотехнологическими системами с использованием интеллектуальных информационных технологий
Ключевые слова:
эволюционный алгоритм, изоляты, искусственные нейронные сети, аппаратная аналоговая искусственная нейронная сеть, программная искусственная нейронная сеть
Аннотация
Предложен подход к управлению биотехническими системами, который заключается в использовании интеллектуальных информационных технологий в системе их управления. Рассмотрен вариант построения системы управления, в качестве одного из элементов которой выступает искусственная нейронная сеть. Для обучения искусственных нейронных сетей в работе использован эволюционный алгоритм. Проведена оптимизация эволюционного алгоритма обучения искусственных нейронных с использованием механизма «изоляции». Разработан программно-аппаратный комплекс моделирования, идентификации и управления биотехнологической системой. Серией проведенных вычислительных экспериментов показана его работоспособность.
Скачивания
Данные скачивания пока не доступны.
Литература
1. Лазарев, В. Л. Совершенствование управления с использованием характеристик энтропийных потенциалов. Адаптация к специфике биотехнологической промышленности // Вестник МАХ. – 2016. – Вып. 4.– С. 68–73.
2. Лазарев, В. Л. Перспективные направления организации робастного управления в биотехнологической промышленности / В. Л. Лазарев, В. Л. Иванов, Н. А. Фролков / Низкотемпературные и пищевые технологии в XXI веке. – 2015. – Вып. 1. – С. 279–282.
3. Андрейченко, Д. К. Обучение нейросетевых регуляторов для стабилизации комбинированных динамических систем / Д. К. Андрейченко, Ф. М. Жадаев // Известия Саратовского государственного университета. – 2018. – Т. 18, Вып. 3. – С. 354–360.
4. Туровский, Я. А. Сравнительный анализ эволюционного метода с использованием «изолятов» и метода имитации отжига при обучении искусственных нейронных сетей / Я. А. Туровский, А. А. Адаменко // Программная инженерия. – 2018. – Т. 9, Вып. 4. – С. 185–190.
5. Туровский, Я. А. Сравнительный анализ результатов обучения искусственных нейронных сетей в задачах обработки сигналов на основе эволюционного алгоритма с применением и без применения «изоляции» / Я. А. Туровский, А. А. Адаменко // 20-я международная конференция «Цифровая обработка сигналов и ее применение» (DSPA-2018). – 28-30 марта 2018, Москва. – 2018. – C. 241–244.
6. Теоретические аспекты оптимизации эволюционного обучения нейрочипов с использованием «изолятов» / С. Д. Кургалин, Я. А. Туровский, С. В. Борзунов, А. А. Адамен-ко // Информационные технологии. – 2016. – Т. 22, Вып. 11. – C. 888–889.
7. ANNBuilder 2.1.0. – Св-во о гос. регистрации программы для ЭВМ / Я. А. Туровский, С. Д. Кургалин, А. А. Адаменко. – М. : ФИПС, 2015. – No 2016619398; опубл. 18.08.2016. – ФИПС, 2016. – 1 с.
8. Туровский, Я. А. Моделирование обучения нейрочипов, внедренных в нервную ткань / Я. А. Туровский, С. Д. Кургалин, А. А. Адаменко // Цифровая обработка сигналов. – 2016. – С. 13–14.
9. Коэффициент обучения [Электронный ресурс]. – URL: https://www4.rgu.ac.uk/files/chapter3%20-%20bp.pdf
10. Qian, N. On the momentum term in gradient descent learning algorithms / N. Qian // Neural Networks. – 1999. – No 12. – P. 145-151.
11. Функция активации [Электронный ресурс]. – URL: https://en.wikipedia.org/wiki/Activation_function
12. Функция активации в нейронных сетях [Электронный ресурс]. – URL: http://www.aiportal.ru/articles/neural-networks/activation-function.html
13. Arduino Uno [Электронный ресурс]. – URL: https://store.arduino.cc/usa/arduino-uno-rev3
14. MCP4921 [Электронный ресурс]. – URL: http://www.microchip.com/wwwproducts/en/MCP4921
2. Лазарев, В. Л. Перспективные направления организации робастного управления в биотехнологической промышленности / В. Л. Лазарев, В. Л. Иванов, Н. А. Фролков / Низкотемпературные и пищевые технологии в XXI веке. – 2015. – Вып. 1. – С. 279–282.
3. Андрейченко, Д. К. Обучение нейросетевых регуляторов для стабилизации комбинированных динамических систем / Д. К. Андрейченко, Ф. М. Жадаев // Известия Саратовского государственного университета. – 2018. – Т. 18, Вып. 3. – С. 354–360.
4. Туровский, Я. А. Сравнительный анализ эволюционного метода с использованием «изолятов» и метода имитации отжига при обучении искусственных нейронных сетей / Я. А. Туровский, А. А. Адаменко // Программная инженерия. – 2018. – Т. 9, Вып. 4. – С. 185–190.
5. Туровский, Я. А. Сравнительный анализ результатов обучения искусственных нейронных сетей в задачах обработки сигналов на основе эволюционного алгоритма с применением и без применения «изоляции» / Я. А. Туровский, А. А. Адаменко // 20-я международная конференция «Цифровая обработка сигналов и ее применение» (DSPA-2018). – 28-30 марта 2018, Москва. – 2018. – C. 241–244.
6. Теоретические аспекты оптимизации эволюционного обучения нейрочипов с использованием «изолятов» / С. Д. Кургалин, Я. А. Туровский, С. В. Борзунов, А. А. Адамен-ко // Информационные технологии. – 2016. – Т. 22, Вып. 11. – C. 888–889.
7. ANNBuilder 2.1.0. – Св-во о гос. регистрации программы для ЭВМ / Я. А. Туровский, С. Д. Кургалин, А. А. Адаменко. – М. : ФИПС, 2015. – No 2016619398; опубл. 18.08.2016. – ФИПС, 2016. – 1 с.
8. Туровский, Я. А. Моделирование обучения нейрочипов, внедренных в нервную ткань / Я. А. Туровский, С. Д. Кургалин, А. А. Адаменко // Цифровая обработка сигналов. – 2016. – С. 13–14.
9. Коэффициент обучения [Электронный ресурс]. – URL: https://www4.rgu.ac.uk/files/chapter3%20-%20bp.pdf
10. Qian, N. On the momentum term in gradient descent learning algorithms / N. Qian // Neural Networks. – 1999. – No 12. – P. 145-151.
11. Функция активации [Электронный ресурс]. – URL: https://en.wikipedia.org/wiki/Activation_function
12. Функция активации в нейронных сетях [Электронный ресурс]. – URL: http://www.aiportal.ru/articles/neural-networks/activation-function.html
13. Arduino Uno [Электронный ресурс]. – URL: https://store.arduino.cc/usa/arduino-uno-rev3
14. MCP4921 [Электронный ресурс]. – URL: http://www.microchip.com/wwwproducts/en/MCP4921
Опубликован
2019-06-25
Как цитировать
Тихомиров, С. Г., Авцинов, И. А., Туровский, Я. А., Суровцев, А. С., Адаменко, А. А., & Ковалева, Е. Н. (2019). Программно-аппаратный комплекс для управления биотехнологическими системами с использованием интеллектуальных информационных технологий. Вестник ВГУ. Серия: Системный анализ и информационные технологии, (3), 158-165. https://doi.org/10.17308/sait.2019.3/1316
Выпуск
Раздел
Интеллектуальные информационные системы
- Авторы сохраняют за собой авторские права и предоставляют журналу право первой публикации работы, которая по истечении 6 месяцев после публикации автоматически лицензируется на условиях Creative Commons Attribution License , которая позволяет другим распространять данную работу с обязательным сохранением ссылок на авторов оригинальной работы и оригинальную публикацию в этом журнале.
- Авторы имеют право размещать их работу в сети Интернет (например в институтском хранилище или персональном сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению и большему количеству ссылок на данную работу (См. The Effect of Open Access).
