Hibridinės procesų stebėsenos ir valdymo sistemos
Turinys
1. Hibridinių sistemų aktualumas ir kūrimo etapai
2.1. Informacijos surinkimas ir pirminis apdorojimas
2.2. Valdymo mechanizmas arba informacijos apdorojimas
2.3. Mokymasis ir adaptacija
3. Svarbiausios intelektinių ir pažangių valdymo sistemų sąvokos
3.1. Sistemų vaizdavimas būsenų erdvėje
3.2. Sistemų struktūrų savybės
3.2.1. Sistemos stabilumas
3.2.2. Sistemos valdomumas
3.2.3. Sistemos stebimumas
3.3. Sistemų identifikavimas ir būsenos įvertinimas
3.3.1. Sistemų identifikavimas
3.3.2. Būsenos įvertinimas
3.4. Optimalusis valdymas
3.5. Optimizuojantis valdymas
3.6. Atsparusis ir adaptyvusis valdymas
3.6.1. Atsparusis valdymas
3.6.2. Adaptyvusis valdymas
3.7. Didelių sistemų valdymo metodologija
3.7.1. Decentralizuotas valdymas
3.7.2. Sistemų dekompozicija ir hierarchinis valdymas su koordinavimu
3.8. Sistemų aplinka ir kategorijos
3.8.1. Sistemų aplinka
3.8.2. Sistemų aplinkos kategorijos
3.9. Sistemų neapibrėžtumas
3.9.1. Nestruktūrinis neapibrėžtumas
3.9.2. Struktūrinis neapibrėžtumas
3.9.3. Neapibrėžtumo apibūdinimas
3.10. Pagrindinės intelektinių sistemų savybės
3.10.1. Lygiagretusis informacijos apdorojimas
3.10.2. Asociatyvioji atmintis ir mokymas
3.11. Intelektinių valdymo sistemų strategijos
3.11.1. Ekspertinis valdymas
3.11.2. Neraiškiųjų aibių logika pagrįstas valdymas
3.11.3. Dirbtiniai neuroniniai tinklai
3.11.4. Hibridinio modeliavimo metodai
4. Ekspertinės sistemos
4.1. Ekspertinių sistemų struktūra
4.2. Ekspertinės sistemos išvadų darymo mechanizmas
4.3. Konfliktų sprendimas
4.4. Sprendimų medžio taikymas ekspertinėms sistemoms kurti
4.5. Neapibrėžtumų įvertinimas
4.6. Ekspertinių sistemų privalumai ir trūkumai
4.7. Ekspertinių sistemų taikymas
5. Neraiškiųjų aibių logikos sistemos ir algoritmai
5.1. Neraiškiųjų aibių sąvokos
5.2. Lingvistiniai kintamieji
5.3. Operacijos su neraiškiosiomis aibėmis
5.4. Neraiškiųjų aibių sistemos
5.5. Neraiškumo įvedimas
5.6. Taisyklių bazė
5.7. Išvadų darymo mechanizmas
5.8. Neraiškumo eliminavimas
5.9. Neraiškiosios valdymo sistemos
5.10. Neraiškiųjų valdiklių struktūros
5.11. Neraiškiųjų aibių sistemų mokymas
5.12. Neraiškiųjų aibių sistemų taikymas
5.13. Programinė įranga neraiškiųjų aibių sistemoms realizuoti
6. Dirbtiniai neuroniniai tinklai ir jų taikymas
6.1. Biologinio ir dirbtinio neurono modeliai
6.2. Dirbtiniai neuroniniai tinklai
6.3. Vienasluoksniai ir daugiasluoksniai perceptronai
6.4. Vienasluoksnis perceptronas ir jo mokymas
6.4.1 ADALINE tinklas ir jo mokymas
6.5. Daugiasluoksnis perceptronas ir jo mokymas
6.6. Radialiųjų bazinių funkcijų neuroninis tinklas
6.7. Sistemų dinamikos modeliavimas neuroniniais tinklais
6.8. Autoasociatyviniai neuroniniai tinklai
6.9. Neuroninių tinklų kolektyvai
6.10. Save organizuojantys neuroniniai tinklai
6.11. Praktiniai dirbtinių neuroninių tinklų kūrimo aspektai
6.12. Duomenų paruošimas dirbtinių neuroninių tinklų modeliams
6.13. Programinė įranga dirbtiniams neuroniniams tinklams realizuoti
6.14. Dirbtinių neuroninių tinklų taikymas
7. Adaptyviojo valdymo principai
7.1. Adaptyviojo valdymo uždavinio formulavimas
7.1.1. Tiesioginis adaptyvusis valdymas
7.1.2. Netiesioginis adaptyvusis dėsnis
7.2. Adaptyviojo valdymo schemos
7.2.1. Stiprinimo numatymas
7.2.2. Etaloninio modelio taikymas
7.2.3. Susiderinantis reguliatorius
7.2.4. Adaptyviojo valdymo schemos netaikant tradicinių matematinių modelių
7.2.5. Intelektinis adaptyvusis valdymas
8. Optimizavimo technika
8.1. Klasikiniai optimizavimo metodai
8.1.1. Matematiniu programavimu pagrįstas optimizavimas
8.2. Ekspertinių sistemų ir neraiškiųjų aibių taikymas sistemoms optimizuoti
9. Evoliuciniai skaičiavimai ir jų taikymas
9.1. Genetiniai algoritmai
9.2. Genetinis programavimas
9.3. Evoliucinis programavimas ir evoliucinės strategijos
9.4. Evoliucinių skaičiavimų taikymas ir programinė įranga
10. Spiečių intelektas ir jo taikymas
10.1. Dalelių spiečiaus optimizavimo algoritmas
10.2. Skruzdžių kolonijos optimizavimo algoritmas
10.3. Skruzdžių kolonijos optimizavimo algoritmo taikymas
10.4. Programinė įranga spiečių intelektui realizuoti
11. Multiagentai. Sąvokos, veikimo principas, taikymo sritys
12. Įvairių technikų sujungimas (hibridinių sistemų galimybės)
12.1. Neuroekspertinės sistemos
12.2. Evoliuciniai neuroniniai tinklai ir neraiškiosios sistemos
12.3. Klasikinių fundamentinių modelių ir neuroninių tinklų sujungimas
12.4. Neraiškiųjų sistemų identifikavimas taikant neuroninių tinklų mokymo principus
12.5. Programinė įranga hibridinėms sistemoms kurti
13. Literatūros sąrašas