1. преимущества и Сравнение нейронных совокупностей перед математическими алгоритмамиВсе знают, что такое нейрон. Более-менее привычны с нейронными сетями. Все имеют представление, что такое неестественные нейронные сети, по крайней мере, слышали о них.

Я поставил себе задачу в полной мере поверхностную — продемонстрировать в данной публикации возможности применения нейронных сетей в робототехнике и их преимущество перед вторыми совокупностями, логическими. Напомню только, что неестественные нейронные сети выстроены по принципу работы естественных нейронных сетей, каковые имеются у живых существ. Это смогут быть насекомые, птицы, рыбы либо животные, стоящие более высоко в интеллектуальном развитии. К примеру, как мартышки либо человек.

Всех их объединяет одно, это нейронная сеть. У кого-то она более развита и более сложная. У кого-то находится в примитивном виде и трудится по принципу «раздражитель-реакция». Кстати сообщить, и высокоинтеллектуальные животные, такие, как человек, частенько в повседневной судьбе действуют по принципу «раздражитель-реакция». В случае если мы обожжем руку, то не думая, быстро её отдёргиваем. Тут не требуется большое количество ума, дабы это сделать.

Но случаются в жизни обстановки, в то время, когда требуется применить то, под чем мы подразумеваем слово «интеллект». А что это такое, только бог ведает. Имеется пара формулировок, обрисовывающих интеллект.

Но, для робототехника это абстракция, от которой пользы ноль, благодаря которой не выстроишь «интеллектуального» робота.
Смотрите кроме этого: Робот из Дальневосточного федерального университета по робототехнике стал вторым в чемпионате Азии по подводной робототехнике

На чемпионате Азии по подводной робототехнике в Сингапуре робот «Юниор» стал одним из двух, прошедших все задания. Первое место занял робот, выстроенный студентами Национального университета Сингапура, а третье — Северо-Западного технического университета КНР. В соревновании участвовали 20 команд из технических институтов США, Таиланда, Индии, других стран и Сингапура.

Команда разработчиков робота учавствовала в Первом чемпионате Азии по подводной робототехнике в 2012 году и заняла первое место.

Использование нейронных сетей в робототехнике помой-му, разумеется. В случае если мы посмотрим на окружающую нас живую природу, то у нас, во многих случаях, приводит к удивлению то событие, что живые организмы, наделённые кроме того несложной нейронной сетью, смогут делать те задачи, на каковые не могут отечественные современные компьютеры. Но на самом ли деле преимущества нейронных совокупностей пред логическими совокупностями так уж очевидны?

Чего могут нейронные сети и чего не могут логические совокупности? Робототехник вправе знать, что приобретает он и его робот либо робототехническая совокупность, которая будет управляться нейронной сетью. В то время, когда говорю логические совокупности, я имею в виду все другие математические методы обработки поступающей информации.

Так как нейронная сеть также есть методом.В действительности, весьма сложно было придумать некоторый тест, либо тесты, где бы происходило сравнение нейронных совокупностей с логическими совокупностями. Другими словами тест, где бы было наглядно продемонстрировано преимущество нейронных сетей перед вторыми методами. И понимаете, это выяснилось не так-то легко. Поднялся очевидный вопрос, по каким параметрам либо показателям сравнивать совокупности. Несложнее всего было бы сравнить между собой различные нейронные сети.

Вправду, их возможно сравнивать по таким показателям, как общее число нейронов в сети, либо какое количество нейронов в каждом слое, либо какое количество всего слоёв в нейронной сети. Являются ли эти сети прямого распространения, либо сетями с обратной связью и без того потом и тому подобное. Ну, а как сравнить нейронную сеть и логические совокупностей?.. Другими словами как сравнить два метода? Оказалось, что наглядней и продуктивней сравнивать логические системы и нейронные сети лучше посредством косвенных показателей.

Посредством таких показателей, как «трудоёмкость» и «экономичность». Для робототехника при постройке робота экономичность есть серьёзным причиной. В случае если робот будет через чур дорогим, его никто не приобретёт. В будущем для сравнения совокупностей по этим двум параметрам я много раз буду применять совокупность от Гугл, которую они установили на собственные роботоризированные машины.

Замечательная передовая совокупность. Это то, что нам необходимо для сравнения. Помой-му, у Гугл замечательнейшая и дорогая разработка, но их автопилот не имеет возможности ездить, в то время, когда идёт ливень либо снег. Да, да, это как раз так, в случае если кто не знал. У каждой технологии имеется минусы и свои плюсы. Вот у технологии Гугл имеется таковой минус. Как и каждый робот, автопилот Гугл также есть роботом, которому для работы в окружающем пространстве нужно приобретать данные о ней.

Для этого помогают сенсоры и датчики.На данной картине видно, дабы автопилот делал собственные функции, нужно наличие некоторых входных устройств либо датчиков. На картине сравниваются две совокупности, одна из них выстроенная на нейронной совокупности, а вторая, как у Гугл — на логических совокупностях. В центре каждой совокупности расположен обрабатывающий блок, либо неестественные «мозги», каковые приобретают данные вот с этих датчиков.

Принципиальный момент. В случае если мы уберём один из датчиков, то совокупность не сможет действенно и безопасно делать собственные задачи. В случае если автопилот Google лишится лидара, то совокупность не сможет строить 3D-модель окружающего пространства, соответственно, лишиться возможности ориентироваться в этом пространстве.

В случае если же убрать совокупность позиционирования, то автопилот не сможет выяснить, в какой точке координат он находится, и просто будет неккоректно выдавать сигналы управления на исполнительные органы. Что со своей стороны может привести к человеческим жертвам и аварии. Исходя из этого вот данный комплект датчиков для каждой совокупности есть минимальным и нужным. Обратите внимание.

Вот у совокупности, которую применяют парни из Гугл, больше датчиков. Как я уже сказал, такое количество датчиков есть минимально нужным, дабы совокупность делала задачи, действенно руководила автомобилем. Другими словами совокупность Гугл уже дороже вот данной нейронной совокупности, у которой минимально нужный комплект датчиков меньше. Вы имеете возможность заявить, что датчики, каковые применяет компания Гугл дешевле, чем датчики, каковые установлены на данной совокупности?

К сожалению, это не верно. Напротив, датчики от Гугл в разы дороже, чем датчики, применяемые нейронной сетью. Один лидар лишь стоит 30 тысяч долларов. Это относится и к датчику совокупности позиционирования. Тут стоит не простой датчик, что употребляется в простых машинах. Это совокупность позиционирования самая высокоточная, соответственно — и более дорогая.

Для отечественной совокупности вероятно применение простого датчика позиционирования, каковые употребляются автолюбителями. На основании представленных разрешённых можно сделать промежуточный вывод. Если вы на собственные роботы станете устанавливать нейронную сеть, которая будет руководить роботом, то для исполнения некой задачи либо задач вам пригодится меньшее количество датчиков либо сенсоров и цена этих датчиков будет дешевле. А в некоторых случаях, в разы дешевле.

Это видно на примере автопилота с нейронной сетью, где не требуется применять лидар и точную совокупность позиционирования.Устанавливать нейронную сеть экономически более выгодно. Тем более, что она будет делать те задачи, на каковые не могут логические совокупности.

Как я сказал, автопилот Google не может руководить в снег и дождь.Коль мы заговорили о совокупности, которую применяют парни из Google, желал бы спросить, каким числом информации оперирует эта совокупность за единицу времени. Кто-нибудь знает? Каждую секунду в системный блок автопилота поступают эти скамер , радаров, лидара, с ускорения и датчиков позиционирования. Для Гугл это значение составляет 1 ГБ в секунду. Каждую секунду автопилот обрабатывает 1 ГБ информации.

Для сравнения – рядовой пользователь смартфона потребляет где-то 3-4 ГБ данных в месяц. Точно, человеческий мозг оперирует куда громадным количеством информации. Возможно, для многих станет открытием, в случае если я сообщу, что количество информации, которую человек приобретает через глаза, в 22 раза меньше, чем оперирует автопилот от Гугл. Воображаете, в 22 раза.

Каждую секунду через отечественное зрение поступает 0.04 ГБ. Это есть 90% всех данных, которую приобретает человек из окружающего мира. Другая поступающая информация распределена между слухом, обаянием и осязанием. Вы имеете возможность себе представить, человеку достаточно для того чтобы количества данных для задач и выполнения функционала, на каковые не могут кроме того замечательные компьютеры.

Получается, что для исполнения задачи по управлению автомобилем автопилоту Гугл нужно каждую секунду обрабатывать 1 ГБ данных из окружающего мира. В также время для людской мозга для исполнения тех же задач по управлению автомобилем достаточно 0.04 ГБ(45 МБ) в сек. Это необычный факт, что говорит о том, что дело не только в мощности. А в способности совокупности применяя минимум информации, делать максимум задач.

Понимаете, по окончании сравнения этих цифр мне пришла мысль создать некоторый тест, напоминающий широко известный тест определения IQ человека. Лишь данный тест будет определять уровень «интеллекта» неестественных методов. Определение уровня интеллекта будет определяться не по мощности компьютера, а по свойству совокупности выполнить некоторый функционал либо задачу, применяя минимум поступающей информации.

Как я уже сказал выше, для исполнения некоей задачи для каждой отдельной совокупности требуется нужный минимум, поступающей через датчики информации. В случае если поступающая информация будет меньше нужного минимума, то роботизированная совокупность не сможет выполнить поставленную перед ней задачу.

И та совокупность, которой для исполнения задачи необходимо меньше всего входящей информации, будет принимать во внимание самый «интеллектуальней» либо умней.Следующим, серьёзным причиной для робототехника, как я думаю, есть возможность разработки и быстрого создания интеллектуального робота. Давайте посмотрим, сколько труда и времени необходимо разработчику, для робота. Правильнее, не самого робота, а метода, что будет руководить этим роботом.

Давайте снова сделаем некий сравнительный тест между двумя совокупностями. У робототехника стоит задача выстроить робота. Заберём снова автопилот, что может распознавать дорогу и руководить автомобилем по этим дорогам.Но дороги бывают разнообразные. Давайте посмотрим самую несложную дорогу, в плане написания метода для распознавания изображений.

Эта дорога находится в верхнем левом углу. Тут имеется резкий контраст между полотном дороги, оно чёрное, практически тёмное и разделительными полосами, они ярко белые. Разработать метод, с помощь которого робот будет руководить автомобилем по данной дороге, сможет кроме того школьник. На этих фотографиях видны тропинки и разные дороги.

Отличие этих дорог друг от друга пребывает в том, что чем больше дорога сливается с фоном, с местностью по которой она проходит, например, вот как тут – еле заметная дорога, рисунок в нижнем правом углу, тем сложнее, для робототехника либо программиста, будет написание метода, по которому робот будет распознавать эту дорогу. Наряду с этим различных дорог, как я уже сказал, большое количество. И, к сожалению, в задачах распознавания математическими способами нет универсальных ответов.

Исходя из этого любой раз от программиста будет требоваться громадный труд в написании очередного метода для распознавания изображений. Но имеется задачи ещё более сложные, где требуется труд громадной команды. И эти задачи недоступны для маленькой группы робототехников и тем более для одного человека.

К примеру, задачи, которые связаны с манипуляциями и распознаванием предметов с ними.В случае если взглянуть на эту схему выше, из нее видно, в случае если робототехник применяет математический способ распознавания изображений, то за выбор изюминок распознаваемых объектов лежит на программисте. Это самая серьёзная и нужная задача — выявить объект. Без данной процедуры робот не сможет делать поставленную перед ним задачу.

А дабы робот смог выявить объект, программисту необходимо на протяжении программирования выделить особенности распознаваемого объекта. Так вот, в случае если исключить распознавания изображений и математический метод обработки, что есть трудоёмким процессом и требует своеобразных знаний, то за выбор изюминок распознаваемых объектов будет отвечать нейронная сеть.Так, исключается трудоёмкий способ обработки изображений и максимально облегчается задача для робототехника.

От робототехника потребуется наличие жизненного опыта для обучения нейронной совокупности. Все знают, что стирать вещи лучше доверить стиральной машинке, так стремительнее и несложнее, чем стирка руками. Освоив способ обучения нейронной сети, тут получается то же самое. 2. Краткий обзор по нейронным сетямПосле сравнения нейронных совокупностей с логическими совокупностями, преимущество нейронных совокупностей стало ясно.

Нейронные совокупности побеждают и в плане дешевизны, и очень сильно уменьшают время на разработку замечательных и интеллектуальных роботов. Сейчас одному человеку делается доступно то, что раньше было доступно лишь лабораториям и большим коллективам. Тогда из-за чего совокупности управления роботами на базе нейронных совокупностей не популярны? Из-за чего работы над такими совокупностями ведутся лишь институтами и крупными компаниями?

Дело в том, дабы создать более либо менее важную нейронную сеть, которая делала бы важные задачи, нужна работа как раз больших университетских коллективов либо компетентных робототехнических команд. В случае если кто-то пробовал разрабатывать и обучать нейронную сеть, он знает, что робототехник постоянно сталкивается перед необходимостью решать многие неоднозначные и своеобразные вопросы.

К примеру: какое количество применять слоёв в нейронной сети, какое количество нейронов применять в каждом слое, какие конкретно связи нужно устанавливать между слоями, как определять веса? Возможно израсходовать время и на кое-какие вопросы отыскать простые ответы в соответствующих книжках. На кое-какие вопросы нет очевидных и однозначных ответов.

В итоге, от робототехника потребуется кропотливая и тяжёлая экспериментальная работа с нейронной сетью по поиску ответов на неоднозначные вопросы. Да, посредством нейронных сетей исключается трудоёмкий распознавания изображений и математический метод обработки, но иначе, робототехник сталкивается со сложностью задач по разработке структуры нейронных сетей, каковые находятся на уровне университетских коллективов. Как разрубить данный замкнутый круг?

Как сделать дешёвым применение нейронных сетей в робототехнике?3. Гордиев узелКогда автомобилист берёт автомобиль, он не вспоминает над тем, какое передаточное число употребляется между двигателем автомобиля и коробкой передач. И тем более ему не весьма интересно, какой состав стали употребляется в зубчатой муфте автомобиля. Многие этого не знают. Этого и не нужно знать. Это не должно входить в компетенцию автомобилиста.

Так вот, робототехник не должен сталкиваться с задачами и проблемами по разработке нейронных сетей. Он не должен думать над тем, какое в том месте количество нейронов применять в каждом слое, либо какое количество слоёв применять в нейронной сети. Это не должно входить в компетенцию робототехника. Подобными вопросами должны заниматься специалисты.

Я выскажу собственное вывод по поводу возможности разработки конкурентоспособных нейронных сетей отдельными программистами, либо маленькой группы программистов и, возможно, вас разочарую. Кому-нибудь известен Чарльз Дарвин и знаком с его трудами о происхождении видов? Кто-нибудь сталкивался с работами академика Павлова. Кто-нибудь просматривал его лекции? Это тот самый Павлов, собаки которого пускали слюну на загоревшую лампочку по выработанному условному рефлексу.

Быть может, кто-то просматривал Ухтомского «Учение о доминанте», либо знаком с «Теорией функциональных совокупностей» Петра Анохина. К сожалению, без соответствующих знаний в нейробиологии и нейрофизиологии нереально выстроить более-менее приличную нейронную совокупность. Не следует расстраиваться, на долю робототехника остаётся более добропорядочное занятие по обучению нейронных сетей.

А дабы обучение было дешёвым для каждого, кроме того не робототехника, а каждого пользователя, нужен понятный и несложный интерфейс для обучения нейронных роботов.Этот способ обучения нейронных совокупностей ничем не должен отличается от способа управления радиоуправляемых моделей. Должно быть всё также самое. Тот же интерфейс, те же самые перемещения. Интерфейс обязан воображать собой тот же самый комплект перемещений, что имеется на радиоуправляемых моделях.

Всё должно быть легко, комфортно и ничего лишнего. Для наглядности, желаю привести вот эту работу. Этот интерфейс устанавливается на компьютер. Изображение дороги, по которой будет передвигаться машинка, загружается черезкамеру , установленной на машинке.

В случае если это не машинка, а, например, манипулятор с техническим зрением (камерой), загружается фото того предмета, с которым будут производиться манипуляции. Тут изображена дорога, довольно которой машинка будет двигаться прямо. В нижнем левом углу интерфейса нарисовано две ячейки, каковые предназначены чтобы задавать сигнал управления на соответствующие двигатели.

Любая ячейка несёт ответственность за определённый двигатель. В случае если машинка обязана ехать прямо по данной дороге, то сигналы в этих двух ячейках должны быть по нулям. Возможно задать другие сигналы. К примеру, вместо нулей, установить по единице в каждую ячейку. Возможно поставит по числу 3.5 (три с половиной). Основное, дабы в каждой ячейки, цифры были однообразны.

Это один из примеров, что наглядно показывает как легко и скоро, в случае если сравнивать с другими методиками обучения нейронных сетей, возможно обучение этих сетей. Это более медленный интерфейс по обучению нейронных сетей, чем тот, о котором я сказал. Однако, для обучения управлению машинкой по данной дороге достаточно нескольких мин..

Так вот, при определённом навыке, робототехник сможет обучать нейронную совокупность кроме того по этому интерфейсу десяткам операций в сутки. По-моему, с внедрением на рынок аналогичных несложных и понятных интерфейсов для стремительного обучения нейронных роботов нейронные совокупности займут значительную долю в таковой перспективной области, как робототехника. Мне это думается очевидным.

Случайная статья:

• Defender cobra m5 — для тех, кто хочет в небо
• Обзор ginzzu rs93 dual black: крепкий орешек

Наталия Ефремова — Нейронные сети: практическое применение

Похожие статьи:

• Витая пара в современных сетях

  Мы, эксперты «Мальтима Телеком», публикуем справочные материалы по телеком-комплектующим и оборудованию в помощь экспертам. В этом случае обращение…

• Как не надо использовать соц.сети

  Присутствие бизнеса в соц. сетях – уже абсолютное требование, оспаривать которое возможно только в единичных случаях. Из-за чего SMM так серьёзен?…

• Как подключиться к wi-fi и отключится от беспроводной сети в windows 8?

  Громадным преимуществом ОС Windows 8 могу назвать ее свойство самостоятельно подбирать драйвер к Wi-Fi адаптерам. В большинстве случаев, еще в ходе…