 
					Нейросетевое моделирование работы физиологических систем
В работе рассматриваются методы искусственного интеллекта для моделирования работы различных элементов физиологических систем организма. В качестве базовых математических алгоритмов были приняты алгоритмы роевого поведения элементов, частиц исследуемых систем. Поэтому, предпочтение отдавалось тем физиологическим системам организма, которые хотя бы в малой степени, позволяли сделать такие допущения. Каковым была взята за основу кровеносная система. В данной работе, наиболее предпочтительным роевым алгоритмом был рассмотрен алгоритм моделирующий стайное поведение частиц агентов системы.
Введение 3
Постановка задачи 8
Обзор литературы 9
Глава 1. Роевые алгоритмы искусственного интеллекта                                  11
  §1. Основной роевой алгоритм . . . . . . . . . . . . . . . . .         .   .   .   11
  §2. Локальный роевой алгоритм . . . . . . . . . . . . . . . .          .   .   .   14
  §3. Важные моменты роевых алгоритмов . . . . . . . . . . .             .   .   .   16
  §4. Основные модификации роевых алгоритмов . . . . . . .               .   .   .   19
Глава 2. Математическая основа стайного            движения        в   рое           22
  §1. Графы и Сети . . . . . . . . . . . . . . .   . . . . . . .   .   . . . .       23
  §2. α-Решётки и Квази α-Решётки . . . . . .      . . . . . . .   .   . . . .       25
  §3. Энергия отклонения конфигурации сети         . . . . . . .   .   . . . .       27
Глава 3. Моделирование стайного движения множественными
  объектами                                                                          31
  §1. Алгоритмы стайного движения в пространстве . . . . . . . . .                   31
  §2. Коллективная динамика роя . . . . . . . . . . . . . . . . . . .                34
  §3. Результаты моделирования . . . . . . . . . . . . . . . . . . . .               36
Выводы 40
Заключение 41
Список литературы 42
Сейчас нейронные сети пользуются популярностью. Причиной этого
является мощность вычислительной техники. С помощью множества ком-
пьютеров появилась возможность создания сети с огромной вычислитель-
ной мощью, которая сможет решить задачи, ранее не доступные ученым.
Например, смоделировать вселенную, распознать речь и получение быст-
рого ответа на интересующий вопрос.
      В конце 1940 появились электронно-вычислительные машины (ЭВМ),
что привело к началу развития искусственной нейросети. В тоже время
канадский физиолог и нейропсихолог Дональд Хебб создает алгоритм ней-
ронной сети и закладывает принципы его работы в ЭВМ. Стоит отметить
и другие даты в истории развития искусственных нейросетей:
1954 год — на рабочей ЭВМ впервые на практике применили нейросеть;
1958 год — американским ученым по нейрофизиологии и искусственного
интеллекта, Фрэнком Розенблаттом был разработан алгоритм распознава-
ния образов и предоставлено его краткое изложение для общественности;
1960 год — ЭВМ не могла должным образом из-за слабых мощностей вы-
полнять сложные задачи, возложенные на нее, поэтому интерес к техно-
логии немного угас; За двадцатилетний период полным ходом шла «ком-
пьютеризация», и мощности тогдашних компьютеров хватило, чтобы вновь
разжечь интерес к нейросетям. В 1980 году появилась система с механиз-
мом обратной связи и начались разработки алгоритмов по самообучению;
Спустя следующие 20 лет, мощности компьютеров выросли настолько, что
в 2000 году ученые-исследователи смогли применять нейросети во многих
сферах. Появились программы распознавания речи, имитация зрения, ко-
гнитивного восприятия информации. Нейросеть, машинное обучение, робо-
тотехника, компьютеризация стали частью нечто большего, под названием
«искусственный интеллект».
      Нейронные сети — это современный тренд, применяемый в науке и
технике. С их помощью улучшаются программы и создаются целые систе-
мы, способные автоматизировать, ускорять и помогать в работе человеку.
Основная цель — научить систему самостоятельно принимать решения в
сложных ситуациях так, как это делает человек.
      В состав нейрона входит тело клетки и ядро. У тела клетки в свою
                Рис. 1: Биологическая структура нейронной сети
В работе представлен математических аппарат для разработки и ана-
лиза алгоритмов стайного движения роя. Рассмотрены два случая сбора
роя в стаю в пространстве и фрагментаци перед обходом множества препят-
ствий. Математическим моделированием показана возможность использо-
вания такого рода алгоритмов для описания роевых механизмов взаимо-
действия.
 
						Хочешь уникальную работу?
Больше 3 000 экспертов уже готовы начать работу над твоим проектом!
