Реєстраційний номер
0824U000805, Дисертація доктора філософії
На здобуття
Доктор філософії
Дата захисту
21-02-2024
Статус
Наказ про видачу диплома
Назва роботи
Нейромережеві моделі та методи підсилення скінченного автомата для задач обходу лабіринтів
Здобувач
Білоконь Олександр Сергійович,
Керівник Головинський Андрій Леонідович
Опонент Шкарупило Вадим Вікторович
Опонент Олійник Андрій Олександрович
Рецензент Горбачук Василь Михайлович
Рецензент Тульчинський Вадим Григорович
Установа, організація, у вченій раді якої відбудеться/відбувся захист
Інститут кібернетики імені В. М. Глушкова Національної академії наук України
Опис
Дисертаційна робота присвячена дослідженню розпізнавання лабринтних розвязок для обходу лабіринтів скінченими автоматами. Можливість зчитувати фрагменти лабіринтних розвзяок застосовуючи нерйонні мережі розуміється у якості підсилення скінченного автомату. Підсилення скінченного автомата для обходу лабіринту одна із ключових задач теоретичної інформатики. Окремі частини цієї задачі розглядались класиками комп’ютерних наук: К.Шенноном, Л.Будахам, К. Депом, Р. Фішерем. Задачі обходу лабіринту збагатились фундаментальними знаннями за основними трьома частинами цієї сукупності, а саме: знання про середовище або про лабіринт, знання про особливості обчислювальних машин та знання про поведінку обчислювальних машин в лабіринтному середовищі. Ці три компоненти мають фундаментальну основу теоретичної складової комп’ютерних наук. Основним завданням дисертаціного дослідження є синтез скінченного автомата та його підсилення для обходу різного класу лабіринтів. Також для синтезу скінченного автомата, який підсилений пристроєм зчитування зовнішнього середовища слід ввести поняття околу або району огляду. Район огляду дає змогу скінченному автомату оглядати деяку множину клітинок. Для нашого випадку покладемо до району огляду скінченного автомата мінімальний окіл для тонкого лабіринту на три клітинки та окіл фон Неймана першого порядку на чотири клітинки для подальшого порівняння цих двох околів огляду. Синтез скінченного автомату та його підсилення розуміється, як оснащення методом нейромережевого пристрою зчитування для обходу лабіринтного середовища та частково стохастичного лабіринтного середовища. Під стохастичним лабіринтним середовищем розуміється лабіринт, у якому зміна значень клітинок відбувається на кожному кроці автомата. Крім цього, слід додати також, що для розпізнання стохастичного лабіринтного середовища задача зводиться до розпізнавання околу лабіринту, значення яких знаходяться, по-перше, в межах навчання нейронної мережі, і по-друге, виходить частково за розподіл генерованих даних, на яких саме навчається двошарова нейронна мережа. Науковою новизною отриманих результатів дисертаційного дослідження є: розроблений новий метод навігації в лабіринті з оглядом обмеженого околу, який відрізняється застосуванням нейронної мережі для підсилення керуючого скінченного автомата та на відміну від інших методів він має наступні переваги – для прийняття рішення скінченному автомату достатньо єдиного стану, в якому він перебуває та реєструє візуальну інформацію, має більшу ймовірність успіху при орієнтуванні в різних лабіринтах при однаковому околі огляду, має більшу ймовірність досягнути цільовий стан, при умові обмеженої інформації або взагалі зміненої візуальної інформації. В ході дослідження було реалізовано у системі MathCAD математична модель нейромережевого підсилення скінченного автомата для огляду фрагментів лабіринтного середовища і його застосування для прогнозування та оцінки функціональних можливостей пристроїв керування робототехнічних систем із монокулярним машинним зором, комплекс програм для обчислення задачі синтезу підсилення скінченного автомата на основі нейронних мереж для розпізнання околів лабіринтного середовища. Запропонована математична модель нейромережевого підсилення скінченного автомата для огляду фрагментів лабіринтного середовища може бути використана у практиці інженерів-розробників систем керування робототехнічних мобільних роботів.
Дата реєстрації
2024-02-05
Додано/оновлено в НРАТ
2024-02-05 / 2026-07-01
