Розглянуто вимоги до мов програмування задач штучного інтелекту. Висвітлено основи теорії предикатів першого порядку, на якій базується мова Prolog. Розглянуто основи мови логічного програмування Visual Prolog, наведено приклади розв'язування задач на мові Prolog.

Рассмотрены требования к языкам программирования задач искусственного интеллекта. Освещены основы теории предикатов первого порядка, на которой базируется язык Prolog. Раскрыты основы языка логического программирования Visual Prolog, даны примеры решения задач на языке Prolog.

Проведено дослідження стосовно ефективності застосування мультисіткового ітераційного нейронного методу до стаціонарних лінійних задач адвекції-дифузії у випадку великого числа Пекле. Побудовано рекурентну штучну нейронну мережу, яка реалізує мультисітковий метод. Архітектура нейронної мережі складається із субмережі прямого поширення, на кожному з шарів якої розміщені два шари кліткової субмережі. Навчання мережі полягає в мінімізації відхилення вихідного рівняння. Особливість числової реалізації побудованої мережі полягає в тому, що значна частина обчислень відбувається на грубіших сітках, що значно економить часові затрати та прискорює збіжність до точного розв'язку. Зі збільшенням кількості нейронів точність розв'язку покращується. Наведено результати обчислювального експерименту.

  Скачати повний текст

Наведено вимоги до мов програмування задач штучного інтелекту. Висвітлено теорію предикатів першого порядку, на якій базується мова Prolog. Розкрито основи мови логічного програмування Visual Prolog.

Приведены требования к языкам программирования задач искусственного интеллекта. Освещена теория предикатов первого порядка, на которой основан язык Prolog. Раскрыты основы языка логического программирования Visual Prolog.

Для удосконалення світлофорного регулювання запропоновано пристрій з пасивним датчиком, що передає сигнал про приближення до перехрестя тролейбусу та напрям його подальшого руху на дорожній контролер.

Проаналізовано принципи управління світлофорною сигналізацією "за фазами" та "за напрямками". Описано спосіб формування сигнальних груп на підставі аналізу конфліктності напрямів світлофорного регулювання. Визначено підхід до оптимізації режимів світлофорного регулювання за такими критеріями: кількість сигнальних груп, тривалість світлофорного циклу, конфліктність напрямів регулювання.

Проаналізовано структуру циклу світлофорного регулювання на пішохідних переходах, встановлено залежність поведінки пішоходів від параметрів циклу. Запропоновано спосіб визначення тривалості основного такту транспортної фази на регульованому пішохідному переході на підставі вирівнювання та мінімізації затримок учасників дорожнього руху в зоні регульованого переходу, що надасть змогу підвищити рівень безпеки руху та пропускну здатність переходів.

Запропоновано методику, що дозволяє у разі можливості замінити введення додаткової фази до структури світлофорного циклу з метою пропуску лівого повороту фазоподібним інтервалом і визначити тривалість цього інтервалу.

Об'єктом дослідження є рух транспортних і пішохідних потоків на регульованих перехрестях. Вдосконалено підхід до визначення структури світлофорного циклу та мінімальних часових проміжків між дозвільними сигналами конфліктних напрямів на основі розробленої моделі формалізації руху транспортних засобів і пішоходів на регульованому перехресті, що дозволяє більш повно відображати вхідні характеристики та мінімізувати часові проміжки між перепуском конфліктних напрямів, внаслідок чого підвищується безпека руху та зменшується втрачений час у циклі регулювання. Визначено алгоритми управління світлофорною сигналізацією на перехресті під час організації руху за окремими напрямами з урахуванням оптимальних співвідношень між основними тактами та перехідними інтервалами конфліктних напрямів регулювання.

Досліджено апроксимацію крайових задач еліптичного типу за допомогою штучної нейронної мережі (ШНМ) на підставі радіально-базисних функцій (РБФ). Сформульовано варіаційний аналог задачі зі штрафом. Нейромережу побудовано на підставі РБФ типу Гауса. Навчання мережі полягає у мінімізації функціонала похибки, результатом якого буде розв'язок сформульованої варіаційної задачі. Алгоритм навчання ШНМ налаштовує невідомі параметри РБФ (центри, ширини та ваги) за допомогою методу Ньютона. Для практичної реалізації алгоритму розроблено програмне забезпечення, яке використовує паралельні обчислення. Такий підхід значно прискорює час навчання нейронної мережі. Проведено дослідження задач еліптичного типу з відомим аналітичним розв'язком на мережах з різною кількістю нейронів. Обчислено відносну похибку розв'язку та порядок збіжності. РБФ-мережа надає змогу одержати розв'язки високої точності й оптимально використати ресурси комп'ютера.

Розглянуто питання побудови рекурентної штучної нейронної мережі (ШНМ) для розв'язування нестаціонарних задач теплопровідності. За основу роботи ШНМ взято ідею мультисіткового ітераційного методу. Просторово-часову дискретизацію задачі виконано з застосуванням проекційно-сіткової схеми методу скінченних елементів. Цільовою функцією навчання побудованої ШНМ вибрано мінімізацію відхилу варіаційного рівняння задачі теплопровідності. Виконано порівняльний аналіз одержаних результатів з іншими числовими методами. На конкретних прикладах показано, що обчислення з використанням ШНМ дають змогу одержати розв'язки з меншою похибкою.

Розглянуто можливість застосування мультисіткового ітераційного методу на рекурентних штучних нейронних мережах (НМ) для розв'язування лінійних крайових задач, зокрема стаціонарних задач адвекції-дифузії. Проаналізовано результати обчислювального експерименту. Для розв'язування задач побудовано рекурентну НМ, яка реалізує мультисітковий метод. Архітектура НМ складається з субмережі прямого поширювання, на кожному із шарів якої розташовано два шари кліткової субмережі. Особливість числової реалізації побудованої мережі полягає у тому, що значна частина обчислень відбувається на грубших сітках, це значно економить часові затрати та прискорює збіжність до точного розв'язку. Зі збільшенням кількості нейронів точність розв'язку покращується.

Розглянуто наближене розв'язування нестаціонарної задачі теплопровідності для трансверсально ізотропної пластини за змішаних граничних умов теплообміну з застосуванням алгоритму на основі рекурентної штучної нейронної мережі (ШНМ). За основу роботи ШНМ узято ідею мультисіткового ітераційного методу. Для дослідження температурного поля в тонкій пластині використано рівняння, одержані за допомогою методу апроксимації температури поліномами Лежандра. Розглянуто лінійний розподіл температури за товщиною. Просторово-часову дискретизацію задачі виконано з застосуванням проекційно-сіткової схеми методу скінченних елементів. Побудована ШНМ розв'язує систему лінійних алгебричних рівнянь на кожному часовому кроці, реалізуючи мультисітковий метод. Наведено результати обчислювальних експериментів стосовно точності побудованої обчислювальної схеми на основі ШНМ. Досліджено залежність температури у пластині з часом, вплив анізотропії матеріалу.

Розглянуто ефективність застосування штучних нейронних мереж (ШНМ) для розв'язування лінійних крайових задач з примежовим шаром. В основу роботи ШНМ покладено ідею мультисіткового ітераційного методу. Архітектура нейронної мережі складається з двошарової рекурентної мережі прямого поширення. ШНМ будують так: нейрони ототожнюють з вузлами сіткової області, міжнейронні зв'язки визначають оператори рестрикції для переходу на грубшу сітку та пролонгації для переходу на густішу сітку. Кожен шар мережі виконує специфічні обчислення, що зумовлює їх різну структуру. Нейрони першого шару мережі виконують дві функції: згладжування та уточнення розв'язку. Другий шар мережі забезпечує згладжування похибки розв'язку. Навчання мережі полягає у мінімізації відхилу вихідного рівняння. Особливість числової реалізації побудованої мережі полягає у тому, що значна частина обчислень відбувається на грубшій сітці, це значно економить часові затрати та прискорює збіжність до точного розв'язку. Зі збільшенням кількості нейронів точність розв'язку поліпшується. Наведено порівняльний аналіз числових результатів для деяких крайових задач з примежовим шаром.

Досліджено ефективність застосування нейронної мережі на базі радіальних базисних функцій (РБФ) до розв'язування задачі стоку мілкої води у кінематичному наближенні. Побудовано РБФ-мережу з використанням мультиквадратичних базисних функцій. Навчання мережі полягає у мінімізації одержаного функціонала похибки. Розглянуто різні методики навчання нейронної мережі та наведено рекомендації щодо вибору найкращої з них. Проведено порівняльний аналіз одержаних числових результатів із використанням РБФ-мережі, методу скінченних елементів (МСЕ) та аналітичним розв'язком. РБФ-мережа надає змогу одержати ліпше наближення точного розв'язку у порівнянні з МСЕ, де кількість елементів значно перевищує кількість нейронів мережі, та її можна ефективно застосовувати до розв'язування нелінійних задач стоку мілкої води.

Продемонстровано, як із загальних рівнянь руслового стоку води у гідродинамічному формулюванні, отримано рівняння руслового стоку води в кінематичному наближенні. Побудовано варіаційне формулювання задачі руслового стоку для знаходження невідомих значень площі поперечного перерізу руслових потоків у довільний момент часу. Розроблено числову схему розв'язування варіаційної задачі з використанням методу скінченних елементів (МСЕ) та однокрокових рекурентних схем інтегрування в часі. Доведено стійкість і аналіз збіжності побудованих числових схем за допомогою аналізу відповідних енергетичних норм. Під час розв'язання класичної задачі про кінематичну хвилю отриманий розв'язок починає осцилювати на поверхнях з нерівномірним рельєфом дна русла. Для позбавлення цього ефекту в рівняння кінематичної хвилі введено доданок з другою похідною і числом Рейнольдса. Обгрунтовано його вигляд для такого типу хвильових процесів. Розглянуто альтернативний підхід до розв'язування задачі руслового стоку води, що базується на реалізації проекційно-сіткової схеми МСЕ на рекурентній штучній нейронній мережі (НМ). Досліджено ефективність застосування для цієї задачі НМ на основі радіальних базисних функцій (РБФ). Побудовано РБФ мережу на підставі мультиквадратичних базисних функцій. Навчання мережі полягає у мінімізації отриманого функціонала похибки. Розглянуто різні методики навчання НМ і наведено рекомендації щодо вибору найкращої з них. Проведено порівняльний аналіз числових результатів із МСЕ та аналітичним розв'язком. РБФ-мережа надає змогу отримати краще наближення точного розв'язку, ніж МСЕ, де кількість елементів значно перевищує кількість нейронів мережі. Цей підхід можна ефективно застосовувати і до розв'язування нелінійних задач руслового стоку води.

Викладено сучасні наукові підходи до управління дорожнім рухом на регульованих перехрестях у містах з урахуванням режимів роботи світлофорної сигналізації та чинників, які впливають на роботу перехресть. Показано переваги імітаційного моделювання у дослідженні роботи регульованих перехресть. Охарактеризовано використання нечіткої логіки в адаптивних алгоритмах керування та організації руху за окремими напрямками з урахуванням потреб пішоходів і громадського транспорту.