4.2. Общие сведения о нейронном управлении

Нейронным управлением называется применение полностью определенных нейронных сетей (искусственных или естественных) для выработки действительных управляющих сигналов. Обычно когда говорят об «управлении», под этим термином подразумевают определенную форму интеллекта.

Например, мы должны управлять собой, чтобы не допускать противозаконных поступков. Во многих религиях от людей требуется соблюдать определенные ограничения; для этого люди также должны управлять собой. Когда мы контролируем свои чувства и эмоции, также имеется элемент мышления, связанный с определенной «формой» интеллекта. В технике, когда разрабатывается контроллер для управления некоторым объектом или процессом в соответствии с заданными параметрами, также можно сказать, что имеется некоторый процесс «мышления», который должен осуществляться контроллером, чтобы обеспечить желаемую работу объекта управления. Одна из характеристик систем управления с обратной связью — их способность к «мышлению» в том смысле, что они могут (в некоторой степени) заменять человека-оператора. Норберт Винер [7] в свое время утверждал, что все системы, как живые, так и неживые, являются информационными системами и системами управления с обратной связью. Он считал, что теория управления, теория информации и теория нейронных систем должны рассматриваться как разделы одной науки — кибернетики. В действительности, однако, наблюдается тенденция самостоятельного развития этих отраслей знания. В последнее десятилетие эффективным средством реализации механизмов обучения оказался алгоритм обратного распространения. Почти во всех областях техники исследователи стали активно применять механизмы, основанные на нейронных сетях, для нахождения лучших решений по сравнению с обычными методами. В области управления нейронные сети оказались подходящим средством для решения сложных нелинейных задач управления, для которых обычные методы управления не дают удовлетворительных с практической точки зрения решений. По мнению авторов, имеется несколько причин, породивших интерес к применению нейронных сетей для задач управления в качестве альтернативы традиционным методам. Основные причины заключаются в следующем.

• Нейронные сети могут обучаться любым функциям [8,9,10]; требуется только, чтобы в процессе обучения был предоставлен достаточно большой объем информации, а также правильный выбор самой нейронной модели. Таким образом, способность нейронных сетей к самообучению избавляет от необходимости использовать сложный математический аппарат в отличие от многих традиционных методов адаптивного и оптимального управления.

• Включение сигмоидных функций активации (или некоторых нелинейных функций общего вида [11]) в скрытые нейроны многослойных нейронных сетей обеспечивает возможность реализации нелинейных отображений. Это важно для решения задач управления с существенными нелинейностями, для которых традиционные подходы пока не дают практически реализуемых решений. Возможно, это достоинство нейронных сетей — наиболее важное с точки зрения теории управления.

• Необходимым условием применения традиционных методов оптимального и адаптивного управления является наличие большого объема априорной информации об объекте управления, например, данных математического моделирования [1],[12]. Благодаря способности нейронных сетей к самообучению, для нейроконтроллеров такой объем информации не требуется. В связи с этим можно полагать, что нейроконтроллеры пригодны для управления в условиях существенных неопределенностей [13],[14].

• Высокая степень параллельности нейронных сетей позволяет реализовывать очень быстрые методы мультипроцессорной обработки на основе использования нейронных кристаллов или параллельных аппаратных средств. Фирмой merican Neurologix Inc. разработан нейронный процессор , уже поступивший на рынок [15].

• Благодаря реализуемой в нейронной сети архитектуре параллельной обработки, повреждение отдельных элементов технических средств сети не может существенно влиять наработу сети в целом [16], [17].

В последнее время появилось огромное количество научных статей и докладов, посвященных разработкам в области искусственных нейронных сетей в контексте теории управления. Это направление нейронного управления становится все более важным, и его уже нельзя рассматривать как несущественное преувеличение, как это когда-то делалось некоторыми крупными учеными в области теории управления. Одной из первых значительных работ по нейронному управлению стала книга Миллера (Miller) и др. «Нейронные сети в управлении» [18], которая содержит важныеранние результаты по нейронному управлению.

В статье Барто (Barto)[19], упомянутой в первой главе этой книги, рассматривается архитектура нейронных сетей для обучения, идентификации и управления. В книге Вербоса (Werbos) [20] делается попытка (впрочем, достаточно спорная) классификации приложений нейронного управления. Например, выделение в этой классификации «диспетчерского управления» и «инверсно-прямого управления» является в некоторой степени запутывающим, так как диспетчерское управление может представлять собой частный случай инверсно-прямого управления, и наоборот. Кроме того, некоторые специалисты утверждают, что выделяемое в этой классификации «нейронное адаптивное управление» мало отличается от «обратного распространения во времени», что также вносит неясность. Хотя многие считают, что попытка классификации была предпринята слишком рано, данная работа [20] заслуживает определенного доверия.

Выше авторами предпринята попытка классификации некоторых подходов к нейронному управлению на основе собственной точки зрения, которая будет подробно приведена в этой главе. По-видимому, до настоящего времени одним из

самых существенных исследований перспектив нейронного управления является работа Ханта (Hunt) и др. [21]. В этой работе очень уместным является указание на параллели между теориями управления и нейронных сетей. В ней также рассматриваются почти все основанные на нейронных сетях парадигмы, которые применялись исследователями для задач идентификации и управления. Некоторые из основных архитектур нейронного управления, предложенных к настоящему времени и широко обсуждаемых в литературе, будут рассмотрены ниже.