Найти

Результаты поиска

• ИССЛЕДОВАНИЕ СИНАПТИЧЕСКОЙ ПЛАСТИЧНОСТИ МЕМРИСТИВНЫХ CROSS-POINT СТРУКТУР ДЛЯ НЕЙРОМОРФНЫХ РОБОТОТЕХНИЧЕСКИХ СИСТЕМ

  Р.В. Томинов , З. Е. Вакулов , В.И. Варганов , И.О. Игнатьева , В. А. Смирнов

  200-207

  2025-12-30

  Аннотация ▼

  Показаны результаты многоуровневого резистивного переключения и синаптической пластичности нейроноподобного мемристивного cross-point на основе нанокристаллической пленки оксида цинка. Показано, что при изменении амплитуды и длительности входных импульсов мемристивный cross-point демонстрирует 6 резистивных состояний с сопротивлением от 4,27×10⁵ Ом до 8,34×10⁷ Ом. Показано, что энергия переключения некоторых синаптических уровней составляет единицы пикоджоулей, что перспективно для создания компактных маломощных нейроморфных систем. Так, показано, что нанокристаллические пленки ZnO обладают синаптической пластичностью, т.е. при приложении импульсов напряжения различной амплитуды и длительности могут переключаться в широком диапазоне синаптических уровней. Изготовленный мемристивный cross-point демонстрируют парно-импульсную потенциацию PPF при t_p от 1 мс до 10 мс и парно-импульсную депрессию PPD при t_p от 50 мс до 100 мс. Анализ полученных экспериментальных результатов исследования PPF и PPD показал, что увеличение количества импульсов с 10 до 90 приводит к увеличению постсинаптического тока EPSC от 32 мкА до 73 мкА для t_p = 1 мс, от 31 мкА до 59 мкА для
  t_p = 5 мс, от 31 мкА до 48 мкА для t_p = 10 мс, а также уменьшению EPSC от 30 мкА до 25 мкА для t_p = 50 мс, от 30 мкА до 17 мкА для t_p = 70 мс, от 30 мкА до 5 мкА для tp = 100 мс. Из полученных результатов следует, что чем короче интервал между импульсами, тем выше индекс PPF, поэтому можно сделать вывод, что изготовленная мемристивный cross-point на основе нанокристаллических пленок ZnO имитирует кратковременную пластичность биологического синапса, в котором пластичность PPF и PPD определяется концентрацией ионов Ca+ и который играет ключевую роль во многих биологических функциях мозга, таких как локализация источника звука, распознавание образов, ассоциативное обучение, фильтрация ненужной информации. Полученные результаты могут быть использованы для аппаратной реализации нейронных сетей, нейроморфных структур робототехнических комплексов, протезов и систем искусственного интеллекта

• ИНТЕЛЛЕКТУАЛЬНАЯ ПОДСИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ НА ОСНОВЕ БИОЛОГИЧЕСКИ ПРАВДОПОДОБНЫХ АЛГОРИТМОВ САМООРГАНИЗАЦИИ

  Э. В. Кулиев , М.П. Кривенко , М.М. Семенова , С.В. Игнатьева

  2021-11-14

  Аннотация ▼

  Рассматриваются основные понятия и определения систем поддержки принятия реше-
  ний на основе самоорганизации. Системы поддержки принятия решений (Decision Support
  Systems) относятся к кругу интерактивных компьютерных систем, которые помогают ис-
  пользовать данные, модели и знания для решения частично структурированных, неструктури-
  рованных или неструктурированных проблем. Показана и описана схема базовой структуры
  системы поддержки принятий решений. Рассмотрены три основных компонента Decision
  Support Systems, а также описан случай, когда может быть применен четвертый компонент
  системы поддержки принятия решений – система управления, основанная на знаниях. В ста-
  тье предложено описание интеллектуальной системы поддержки принятия решений. Примеры
  специализированных интеллектуальных систем поддержки принятия решений включают в себя
  интеллектуальные системы поддержки принятия маркетинговых решений и системы меди-
  цинской диагностики, гибкие производственные системы. Проблемы, связанные с принятием
  оптимальных решений, занимают важное место в автоматизированном проектировании и
  требуют совершенствования методов и средств поддержки процессов оптимального проек-
  тирования на различных этапах. Рассмотрены алгоритмы самоорганизации, вдохновленные
  живой природой. Биоинспирированные алгоритмы являются представительским классом алго-
  ритмов самоорганизации. Биовдохновленные вычисления имитируют природу и используют
  основные концепции и поведение этих систем для решения сложных проблем. В статье описан
  алгоритм летучих мышей. Проведен экспериментальный анализ процесса применения алгорит-
  ма самоорганизации в системах принятия решений.

• АНАЛИТИЧЕСКИЙ ОБЗОР АЛГОРИТМА ДЕРЕВА РЕШЕНИЙ В ТЕХНОЛОГИИ ИНТЕЛЛЕКТУАЛЬНОГО АНАЛИЗА ДАННЫХ

  Э.В. Кулиев , В.А. Семенов, А.В. Котельва , С.В. Игнатьева

  2022-05-26

  Аннотация ▼

  Алгоритм дерева решений является распространенным алгоритмом классификации в
  технологии интеллектуального анализа данных, и его результаты обычно выражаются в
  виде правил «если-то». Алгоритм C4.5 является одним из алгоритмов дерева решений, ко-
  торый обладает преимуществами простоты понимания и высокой точности, а также
  усовершенствован добавлением скорости прироста информации по сравнению с его пред-
  шественником - алгоритмом ID3. После теоретического анализа информации выбирается
  алгоритм C4.5 для анализа результатов служебной аттестации, и создается дерево ре-
  шений для служебной аттестации путем сбора данных, предварительной обработки дан-
  ных, расчета коэффициента прироста информации и определения атрибутов разделения.
  Система разработана в архитектуре B/S, а платформа управления проектом R&D, кото-
  рый может выполнять анализ оценки эффективности с помощью инструментов визуали-
  зации алгоритма дерева решений и динамических веб-страниц. Система включает в себя
  хранение информации, управление задачами, формирование отчетов, контроль полномочий
  и ролей, визуализацию информации и другие функциональные модули управленческой ин-
  формационной системы. Они могут реализовать функции управления проектом, такие как
  создание и управление проектом, поток задач, заполнение и управление информацией о
  сотрудниках, создание системы оценки эффективности, создание отчетов различных
  размеров, построение управления. Используя алгоритм дерева решений в качестве основ-
  ной технологии, система получает научную надежную информацию об управлении проек-
  тами с высокой точностью и реализует визуализацию данных, что может помочь пред-
  приятиям создать хорошую систему управления в эпоху больших данных. Рассмотрены
  управление задачами, формирование отчетов, контроль полномочий ролей, визуализация
  информации и другие функциональные модули управленческой информационной системы

• ИНТЕЛЛЕКТУАЛЬНЫЙ АНАЛИЗ ДАННЫХ В УПРАВЛЕНИИ ПРЕДПРИЯТИЕМ НА ОСНОВЕ АЛГОРИТМА ИМИТАЦИИ ОТЖИГА

  Э.В. Кулиев , А.В. Котельва , М.М. Семенова , С.В. Игнатьева , А.П. Кухаренко

  2022-11-01

  Аннотация ▼

  Рассмотрен аналитический обзор алгоритма имитации отжига для задачи эффек-
  тивного управления предприятием. Проведена оптимизация алгоритма имитации отжига
  для задачи эффективного управления предприятием. Для анализа случаев использовалась
  оптимизация графика работы рабочих в организации. Установлена модель планирования
  рабочих с сильными и слабыми ограничениями. Смоделированный алгоритм отжига ис-
  пользуется для оптимизации стратегии решения модели планирования рабочего графика
  персонала. Алгоритм имитации отжига представляет собой алгоритм, пригодный для
  решения крупномасштабных задач комбинаторной оптимизации. Он также оценивает и
  получает оптимальную стратегию планирования. Алгоритм имитации отжига хорошо
  влияет на интеллектуальный анализ данных управления человеческими ресурсами. Интел-
  лектуальный анализ больших данных может помочь компаниям проводить динамическийанализ при наборе талантов, а план набора талантов выполняется качественно и стан-
  дартно, чтобы проанализировать характеристики различных талантов со многих сторон
  и повысить уровень управления человеческими ресурсами. Разработан алгоритм реализую-
  щий процесс работы алгоритма имитации отжига. Алгоритм имитации отжига прини-
  мает новые решения по критерию Метрополиса, поэтому помимо принятия оптимизиро-
  ванного решения он также принимает ослабленное решение в ограниченном диапазоне.
  Алгоритм Метрополиса – алгоритм семплирования, использующийся, в основном, для
  сложных функций распределения. Он отчасти похож на алгоритм выборки с отклонением,
  однако здесь вспомогательная функция распределения меняется со временем. Проведены
  экспериментальные исследования, которые показывают, что модель планирования рабо-
  чих, основанная на сильных и слабых ограничениях, значительно лучше, чем модель ручного
  планирования, достигая эффективного баланса между контролем затрат на зарплату в
  организации и повышением удовлетворенности персонала. Успешное применение модели
  планирования персонала, основанной на моделируемом алгоритме отжига, приносит новые
  идеи и идеи для решения крупномасштабных задач планирования рабочих. Приведенные
  результаты могут служить отправной точкой для изучения систем управления персона-
  лом, основанных на технологии интеллектуального анализа данных.

• МЕТОД АВТОМАТИЧЕСКОЙ ОПТИМИЗАЦИИ БАЗЫ НЕЧЕТКИХ ПРАВИЛ ИНТЕЛЛЕКТУАЛЬНЫХ РЕГУЛЯТОРОВ НА ОСНОВЕ СУБТРАКТИВНОЙ КЛАСТЕРИЗАЦИИ

  А.С. Игнатьева , В.В. Шадрина , В. В. Игнатьев , А.В. Максимов

  181-197

  2025-07-24

  Аннотация ▼

  Целью работы является разработка метода оптимизации базы нечетких правил интеллектуального регулятора для управления техническим объектом с использованием субтрактивной кластеризации. В статье приведен обзор и краткий анализ состояния дел в области оптимизации работы интеллектуальных систем управления. Для достижения цели исследования разработана гибридная модель, в которой управление техническим объектом реализуется с помощью классического ПИ-регулятора и нечеткого ПИ-регулятора с сгенерированной структурой системы нечеткого вывода типа Cyгено и разработанной моделью адаптивной системы нейро-нечеткого вывода. Данная конфигурация модели позволяет формировать базу нечетких правил, которая не зависит от знаний эксперта в предметной области. В статье предложен новый метод оптимизации базы правил нечеткого регулятора на основе методов кластеризации, в частности субтрактивной кластеризации, позволяющий уменьшать количество правил нечеткого логического вывода и увеличить быстродействие системы управления техническим объектом. Сначала проведено моделирование гибридной модели, синтезированной на основе значений нечеткого и классического регуляторов до применения субтрактивной кластеризации. Применение субтрактивной кластеризации по разработанному в исследовании способу для значений классического регулятора и нечеткого, позволило добиться их количественного сокращения в 1,7 и 5,25 раз соответственно. Затем проведено моделирование гибридной модели, синтезированной на основе значений нечеткого и классического регуляторов после применения субтрактивной кластеризации. Результаты, полученные в процессе моделирования показали высокую эффективность предложенного метода оптимизации базы правил нечеткого регулятора. За счет применения субтрактивной кластеризации в гибридной модели для интеллектуального регулятора удалось значительно уменьшить количество функций принадлежности, требуемых для описания входных лингвистических переменных (с пяти до четырех) и уменьшить количество правил нечеткого логического вывода (с двадцати пяти до шестнадцати). Анализ полученных графиков переходных процессов, полученных для гибридных моделей до и после применения субтрактивной кластеризации, показал, что основные показатели качества процесса управления остаются неизменными при существенном сокращении проводимых вычислений.