Отзывы оппонентов (Нейросетевое моделирование адаптивных динамических систем), страница 2
Описание файла
Файл "Отзывы оппонентов" внутри архива находится в папке "Нейросетевое моделирование адаптивных динамических систем". PDF-файл из архива "Нейросетевое моделирование адаптивных динамических систем", который расположен в категории "". Всё это находится в предмете "технические науки" из Аспирантура и докторантура, которые можно найти в файловом архиве МАИ. Не смотря на прямую связь этого архива с МАИ, его также можно найти и в других разделах. , а ещё этот архив представляет собой докторскую диссертацию, поэтому ещё представлен в разделе всех диссертаций на соискание учёной степени доктора технических наук.
Просмотр PDF-файла онлайн
Текст 2 страницы из PDF
Кроме того, полуэмпирические НС-модели позволя>от решать задачи идентификации характеристик ДС, недоступные для традиционных НС-моделей типа «черный ящик». На примере идентификации АДХ ЛА демонстрируется, что эта задача может решагься с высокой точностью. По экспериментальным данным осуществляется восстановление АДХ как целине!шых функций многих переменных с высокой точностью, для всего диан«к>па значений переменных, от которых зависят АДХ.
не прибегая к традиционно используемой линеаризации АДХ. В звк»ючении диссертапии делается вывод, что полуэмпирический подход к моделированию управляемых динамических систем дает возможность решать задачу придания таким системам свойств адаптивности (в таких элементах, как модель ДС и ее закон управления), а также решать задачу идентификации характеристик ДС, Таким образом, научная проблема, сформулированная в качестве цели диссертации. успешно решена. В >Ч>илпжеоии Л даны результаты совокупности вычислительных экспериментов, выполнявшихся для оценки работоспособности предлагаемых моделей и методов, а также для демонстрации их возможностей. В приюжеляц В показана серия диаграмм информативности для обучающих наборов, которые формировались при различных тестовых воздействиях на объект моделирования.
Новые научные результаты, представленные в диссертации: 1) Развит новый нейросетевой подход к адаптивному моделированию динамических систем. Введено понятие порождающей системы, которое позволяет единообразным способом описывать статические и динамические НС, а также обеспечивает базу для автоматизации синтеза НС-моделей под заданные требования. Разработан комплекс алгоритмов синтеза динамических НС-моделей. 2) Предложено формирование гибридных полуэмпирических НС-моделей, позволяющих обьединить теоретические знания о моделируемой системе и эксперимснтальныс данные, характеризующие ее поведение.
Введен класс гибридных математических моделей, позволякпций интегрировать теоретические знания о ДС в формируемую НС-модель, а также осуществить параметрическую настройку данной модели с помощью методов машинного обучения. Получены алгоритмы формирования информативных обучающих наборов, обеспечивающих применение методов машинного обучения. 3) Решена проблема идентификации нелинейных характеристик ДС, в том числе аэродинамических характеристик ЛЛ. Развит новый подход и создан комплекс алгоритмов, не требующий линеаризапии искомых характеристик (как это имеет место в случае применения традиционных методов), обеспечивающий нахождение этих характеристик как нелинейных функций многих переменных для всей области допустимых значений этих переменных. Особо следует выделить подход, основанный на использовании гибридных НС- моделей. Реализация этого подхода позволила решить проблему размерности и осуществлять адаптацию модели в режиме реального времени, причем с повышением точности моделирования.
Научные результаты, полученные в ходе выполнения диссертационной работы, основаны на использовании методов теории систем и системного анализа, математического и комль отерно~ о моделирования, а также нейросетевых технологий и нейросетевого моделирования. Корректное использование этих средств в диссертации обеспечивает обоснованность полученных результатов, а их достоверность подтверждается данными вычислительных экспериментов, выполненных в большом объеме для каждого из существенных вопросов, связанных с моделированием и управлением адаптивных ДС, а также путем сравнения этих данных с имеющимися представительными данными физических экспериментов с ДС. Теоретическая значимость диссертационной работы заключается в том, что предложенный класс полуэмпирических НС-моделей ДС, основанный на сочетании теоретических знаний о моделируемой системе и экспериментальных данных о ее поведении, существенно расширяет область применения математического и компьютерного моделирования, представляющего собой один из ключевых элементов процессов создания технических систем.
Умение эффективно решать задачи моделирования для таких систем открывает, в свою очередь, новые возможности для решения задач управления их поведением, отсутствукш1ие при использовании традиционных средств математического моделирования. Практическая значимость полученных рсзулзпатов состоит в том, что появляется возможность создания перспективных технических систем с расширсннымн возможностями, в частности, летательных аппаратов различных классов, действующих в условиях разнородных неопределенностей. Основные результаты„выносимые на защиту, опубликованы в 86 печатных работах. среди которых 1 монография, 23 статьи в журналах из перечня ведущих рецензируемых изданий ВЛК РФ. 9 статей в изданиях, индексируемых в международной базе данных Всорпв. 42 сгапьи в источниках, индексируемых в РИНЦ.
Получено 5 свидетельств о государственной регистрации программных комплексов на ЗВМ. Основные результаты диссертационной работы докладывались и обсуждались на 40 международных, всероссийских и отраслевых конференпиях и семинарах. Автореферат полностью отражает содержание диссертации. Замечания по содержанию диссертационной работы: 1, Инкрементное обучение является перспективным инструментом корректировки НС- моделей, позволяющим наращивать возможности модели, не прибегая к ее полному переобучению. По этой причине данный подход заслуживает более подробного рассмотрения, чем это имеет место в диссертации. 2. Вставочные нейроны и подсети позволяют ввести механизмы адаптивности внутрь НС-модели. тогда как традиционные механизмы адаптации являются внешними по отношению к модели или закону управления.
Оба подхода (внутренние и внешние механизмы адаптации) имеют как достоинства, так и недостатки. Сопоставление и сравнительный анализ механизмов адаптации с этой точки зрения в диссертапии отсутствует, что не позволяет обоснованно принять решение в пользу одного из этих механизмов при решении конкретных прикладных задач. 3. Один из важных этапов преобразования исходной теоретической модели в ее НС- прелставление, а именно, преобразование модели ДС с непрерывным временем в модель с дискретным временем, дается слишком сжато и не позволяет прочувствовать специфику этого процесса. 4. Показано. что полуэмпирические НС-модели управляемых ДС по точности.традиционные динамические НС-модели типа МАЯХ.
Для полного представления о точности полу- эмпирической НС-модели следовало бы сравнить ее с более продвинутыми моделями. например с сетями глубокого обучения. Указанные замечания не влияют на общий высокий научный уровень диссертационной работа Тюменцева Ю.В., в которой решена крупная научная проблема, имеющая важное теоретическое и практическое значение в области моделирования управляемых динамических систем. Диссертация представляет собой законченную научно-исследовательскую работу и удовлетворяет всем требованиям ВАК РФ, предьявляемым к докторским диссертациям.
Считаю. что автор диссертации, Тюменцев Юрий Владимирович, заслуживает присуждения ученой степени доктора технических наук по специальности 05.13.01 «Системный анализ, управление и обработка информации (авиационная и ракетно-космическая техника)». Официальный оппонент, Руководитель Центра оптико-нейронных технологий ФГУ ФНЦ НИИСИ РАН член-корреспондент 1'АН, доктор физико-математических наук Крыжановский Борис Владимирович 117218„Россия, Москва, Нахимовский просп., 36, к.1 Тел.: ч 7 499 124-48-64 Е-та11: 1сгухЬапо~ 1гйпйз).газ.ги .