Комплексний алгоритм створення керуючих автоматів на базі машинного навчання
DOI:
https://doi.org/10.26642/ten-2021-2(88)-35-41Ключові слова:
алгоритм, керуючий автомат, штучний інтелект, машинне навчання, логіка, ресурс, апаратне забезпеченняАнотація
У статті досліджено комплексний алгоритм створення керуючих автоматів на базі машинного навчання. Розкрито необхідність застосування принципів машинного навчання на керуючих автоматах. Описано генезис автоматів навчання та їх приналежність до штучного інтелекту. Визначено принципи побудови машини Цетліна та перспективні напрями її застосування щодо умов дослідження. Наголошено, що алгоритм навчання керуючого автомата використовує дискретні етапи оновлення, застосовуючи лінійну тактику, це, у свою чергу, дозволяє обмежити алгоритм кінцевою кількістю станів, визначених ансамблем автоматів Цетліна. Визначено умови, якими керується принцип оновлення автомата: значення літералів, параметри та поточні дії автоматів Цетліна з точки зору включення та виключення. Запропоновано основну архітектуру машинного класифікатора Цетліна з двома пунктами та наголошено, що ефективність машинного навчання з використанням автоматів навчання залежить від ряду гіперпараметрів, які необхідно ретельно налаштувати перед тренуванням. Процес налаштування точності та збіжності для цієї задачі називається пошуком гіперпараметрів. Обґрунтовано застосування принципу максимального паралелізму для машинної реалізації автоматів навчання Цетліна. Визначено метод бінаризації із замкнутим циклом зі зворотним зв’язком щодо точності, який ігнорує статистичну значущість даних, яка визначає, як класи виведення висновків співвідносяться з набором даних. Наведено діаграму потоку даних методу бінаризації, який орієнтовано на значущість. Описаний метод організований у три етапи: етап 1 (зменшення розмірності), етап 2 (класифікація), етап 3 (двійкове кодування). Запропоновано схематично логічну реалізацію програмування керуючого автомата. Визначено перспективи подальших досліджень, які ґрунтуються на розробці масштабованої апаратної архітектури.
Посилання
Podchashyns'kyj, Ju.O., Shavurs'kyj, Ju.O. and Lugovyh, O.O. (2018), Proektuvannja ta konstrujuvannja prystroi’v ta system upravlinnja, navchal'nyj posibnyk, ZhDTU, Zhytomyr, 280 p.
Adamov, O.S. (2019), «Modeli i metody zahystu kiberprostoru na osnovi analizu velykyh danyh z vykorystannjam mashynnogo navchannja», Ph.D. Thesis of dissertation, 05.13.05, M-vo osvity i nauky Ukrai'ny, Harkiv. nac. un-t radioelektroniky, Harkiv, 243 p.
Miroshnyk, M.A., Klymenko, L.A. and Korol'ova, Ja.Ju. (2021), Tehnologii' ta avtomatyzacija projektuvannja cyfrovyh prystroi'v skladnyh komp’juternyh system na PLIS, navch. posib., UkrDUZT, H., 220 p.
Savchenko, Je.A. and Stepashko, V.S. (2017), «Analiz pidhodiv do metanavchannja ta metamodeljuvannja», Induktyvne modeljuvannja skladnyh system, Issue 9, pp. 194–203.
Tararaka, V.D. (2019), Prykladna teorija cyfrovyh avtomativ, ZhDTU, Zhytomyr, 183 p.
Kosolapov, A.A. and Zhukovyc'kyj, I.V. (2018), Konceptual'ne proektuvannja komp’juternyh system real'nogo chasu (modeli, metody i algorytmy), DNUZT, Dnipro, 274 p.
Balavignesh, G. et. al. (2017), «Computer Numerical Control Machine Based on Machine Learning», International Journal of Pure and Applied Mathematics, Vol. 116, pp. 521–527.
Sharma, N., Chawla, V. and Ram, N. (2020), «Comparison of machine learning algorithms for the automatic programming of computer numerical control machine», International Journal of Data and Network Science, Vol. 4 (1), pp. 1–14, doi: 10.5267/j.ijdns.2019.9.003.
Chawla, V. (2021), «Automated CNC Programming by the Restricted Boltzmann Machine Algorithm», Advances in Electromechanical Technologies, pp. 691–709, doi: 10.1007/978-981-15-5463-6_62.
Alves, P.R.L., Duarte, L.G.S. and Da Mota, L.A.C.P. (2018), «Detecting chaos and predicting in Dow Jones Index», Chaos, Solitons & Fractals, Vol. 110, pp. 232–238.
Avrutin, V., Schenke, B. and Gardini, L. (2015), «Calculation of homoclinic and heteroclinic orbits in 1D maps2», Communications in Nonlinear Science and Numerical Simulation, Vol. 22 (1–3), pp. 1201–1214.
Din, Q. (2017), «Complexity and chaos control in a discrete-time prey-predator model», Communications in Nonlinear Science and Numerical Simulation, Vol. 49, pp. 113–134.
Ghosh, D., Mukherjee, A., Das, N.R. and Biswas, B.N. (2018), «Generation & control of chaos in a single loop optoelectronic oscillator», Optik, Vol. 165, pp. 275–287.
Moe, S., Rustad, A.M. and Hanssen, K.G. (2018), «Machine learning in control systems: An overview of the state of the art», International Conference on Innovative Techniques and Applications of Artificial Intelligence, рр. 250–265.
Mukherjee, S., Ray, R., Samanta, R., Khondekar, M.H. and Sanyal, G. (2017), «Nonlinearity and chaos in wireless network traffic», Chaos, Solitons & Fractals, Vol. 96, pp. 23–29.
Scornet, E. (2016), «Random forests and kernel methods», IEEE Transactions on Information Theory, Vol. 62 (3), pp. 1485–1500
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2021 Євген Борисович Козак
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.
Автор, який подає матеріали до друку, зберігає за собою всі авторські права та надає відповідному виданню право першої публікації, дозволяючи розповсюджувати даний матеріал із зазначенням авторства та джерела первинної публікації, а також погоджується на розміщення її електронної версії на сайті Національної бібліотеки ім. В.І. Вернадського.
