Работы автора

В работе рассматривается методология проектирования интеллектуальных когнитивных систем управления сложными динамическими системами. Кратко описаны информационные и термодинамические подходы, объединяющие однородным условием критерии динамической устойчивости, управляемости и робастности. Обозначены проблемы обучения и адаптации нечеткого регулятора, которые являются актуальными в современной теории управления. Многие существующие решения используют модели искусственных нейронных сетей, основанные на алгоритме обратного распространения ошибки, многослойной структуре Кохонена и т.д. К сожалению, подобные алгоритмы не гарантируют требуемого уровня надежности и точности управления в сложных и непредвиденных ситуациях. Предложено одно из решений проблемы разработки системы когнитивного управления. Оно заключается в поиске конструктивного решения задач проектирования баз знаний и интеллектуального робастного когнитивного управления в заданном проблемно-ориентированном приложении. Сравниваются различные типы регуляторов, в том числе интеллектуальный регулятор на основе эмоционального обучения мозга. Описаны преимущества проектирования робастных баз знаний на основе программно-алгоритмического комплекса Оптимизатор баз знаний (SCOptKBTM) на мягких вычислениях. Рассматривается одна из ключевых задач современной робототехники - разработка технологий когнитивного взаимодействия, позволяющих выполнять интеллектуальные функции управления за счет перераспределения знаний и управления на программном уровне. На практическом примере показана эффективность предложенной гибридной когнитивной системы управления, повышающей точность и надежность распознавания ментальных команд.

В первой части статьи[1] обсуждалась система оценки эмоций оператора с применением глубокого машинного обучения на основе мягких вычислений и проектирование когнитивной системы управления. Данная работа развивает подход когнитивного интеллектуального управления, описывая стратегию проектирования интеллектуальных систем когнитивного управления на основе квантовых и мягких вычислений. Продемонстрирован синергетический эффект квантовой самоорганизации базы знаний, извлеченный из не робастных баз знаний интеллектуального нечеткого регулятора. Применяется информационно-термодинамический закон квантовой самоорганизации оптимального распределения базисных качеств управления (устойчивость, управляемость и робастность) и закон квантовой информационной термодинамики о возможности извлечения дополнительной полезной работы на основе извлеченной квантовой информации, скрытой в классических состояниях. Сформированная (без нарушения второго закона квантовой термодинамики) на основе извлеченного количества скрытой квантовой информации «термодинамическая» сила управления позволяет роботу (как объекту управления) совершить количественно большую полезную работу по сравнению с количеством затраченной (на извлечение квантовой скрытой информации) работу. Гарантированное достижение цели управления роботом осуществляется на основе спроектированной интеллектуальной когнитивной системы управления с применением инструментария квантового оптимизатора баз знаний QCOptKBTM, в структуру которого включен квантовый нечеткий вывод - КНВ. Квантовый алгоритм самоорганизации не робастных баз знаний КНВ структурно опирается на синергетические эффекты от скрытой квантовой информации для осуществления реализации оптимального распределения качеств управления. Данная технология позволяет повысить надежность интеллектуальных когнитивных систем управления в ситуациях управления в условиях опасности, описанных с помощью когнитивного нейроинтерфейса и различных типов взаимодействия с роботами. Примеры продемонстрировали эффективность введения схемы КНВ в качестве готового программируемого алгоритмического решения для встраиваемых интеллектуальных систем управления. Показана возможность применения нейроинтерфейса на базе когнитивного шлема с квантовым нечетким регулятором для управления транспортным средством.