Simularea reglării automate a nivelului folosind un regulator cu rețele neuronale

Inteligenta artificiala ,ca si in cazul inteligentei biologice,se dobandeste printr-un proces continuu si de durata de invatare,de aceea problema invatarii ocupa un loc important in cercetarea masinilor autoinstruibile (machine learning).

Prin invatarea automata se intelege studiul sistemelor capabile sa-si imbunatateasca performantele,utilizand o multime de date de instruire.

Exista mai multe tipuri de invatare ,si anume:mecanica,prin instruire,prin deductie,prin analogie,prin inductie;in aceasta ordine crescand gradul de complexitate,cea mai importanta, prin inductie,realizandu-se din exemple,prin observatii si descoperiri.

Modelarea neuronala dezvolta sisteme instruibile pentru scopuri generale,care pornesc cu o cantitate mica de cunostinte initiale.Aceste sisteme se numesc retele neuronale.Acestea invata prin modificarea intensitatii de conexiune dintre elemente,adica schimband ponderile asociate acestor conexiuni. Retelele neuronale artificiale sunt retele de modele de neuroni conectati prin sinapse ajustabile.Ele prezinta cel putin un strat ascuns,unul de iesire si unul de intrare.Ele se caracterizeaza prin:

Paralelism inalt;

Capacitate de invatare;

Deci modelarea neuronala consta in realizarea unei retele neuronale care realizeaza anumite functii logice simple.

Tehnica de instruire este asemanatoare cu cea utilizata pentru a gasi dreapta care aproximeaza cel mai bine o multime data de puncte (problema regresiei).Se foloseste o varianta iterativa a metodei celor mai mici patrate.

Capitolul 2. Caracteristici ale retelelor neuronale

2.1. Principii

Intrarile neuronului sunt ponderile care pot fi negative (inhibitoare) sau pozitive (excitatoare).

Daca suma ponderilor este mai mare decat pragul atunci neuronul este activat.

Daca suma ponderilor este mai mica decat pragul atunci neuronul este zero.

Primul model de retea neuronala a fost dat de Rosennblatt,care a emis urmatorul principiu:

Inteligenta si procesele memoriei rezida in intreaga retea de celule si nu in neuronii individuali (de exemplu cortexul cerebral).

2.2. Domeniul ponderilor

Ponderile pot fi aranjate intr-un vector w.Dimensiunea acestuia este de obicei foarte larga,de aceea vizualizarea acestui domeniu este foarte dificila.

Cautarea vectorului ponderilor

-Pentru w fixat,acesta poate fi vazut ca o constrangere intre intrarea i si iesirea o.Aceasta vizualizare se afla in straturile retelei;

-Pentru i si o fixate,acestea pot fi vazute ca o constrangere pe valorile posibile ale w.Poate exista solutii ,sau o solutie,sau mai multe solutii pentru w,dependente de valorile date ale i si o;