Zastosowanie technik ewolucyjnych do konstrukcji scenariuszy uczących dla systemu sterowania autonomicznym biomimetycznym pojazdem podwodnym

• Autorzy: Praczyk T.

Warianty tytułu

EN

Using evolutionary techniques to construct learning scenarios for control system of biomimetic autonomous underwater vehicle

• Języki publikacji: PL

Abstrakty

PL

Autonomiczne pojazdy podwodne są to pojazdy całkowicie lub częściowo niezależne od decyzji człowieka. W celu uzyskania samodzielności działania pojazdy te muszą zostać wyposażone w specjalizowane oprogramowanie, które może działać zgodnie z pewnym algorytmem opracowanym przez człowieka lub też opierać się na narzędziach z zakresu sztucznej inteligencji, np. sieciach neuronowych. Narzędzia te w celu odpowiedniego przygotowania ich do pracy potrzebują przeprowadzenia procesu uczenia w oparciu o dane trenujące. W niniejszym artykule zaprezentowano zastosowanie technik ewolucyjnych do konstrukcji scenariuszy trenujących dla sieci neuronowych których zadaniem jest wspomaganie sterowania Biomimetycznym Pojazdem Podwodnym.

EN

Autonomous underwater vehicles are vehicles that are entirely or partly independent of human decisions. In order to obtain operational independence the vehicles have to be equipped with a specialized software that can work according to an algorithm built by a human or can be based on artificial intelligence tools, e.g. neural networks. In order to appropriately prepare the tools to work, they need running a learning process based on training data. The paper presents application of evolutionary techniques to construct training scenarios for neural networks whose task is to support control of Biomimetic Underwater Vehicle.

Słowa kluczowe

PL

pojazdy podwodne; ewolucja; sieci neuronowe

EN

underwater vehicles; evolution; neural networks

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Logistyka
• Rocznik: 2015
• Tom: nr 4
• Strony: 8195--8205, CD 2
• Opis fizyczny: Bibliogr. 7 poz., rys.

Twórcy

autor

Praczyk T.

• Akademia Marynarki Wojennej w Gdyni, Wydział Nawigacji i Uzbrojenia Okrętowego, 81-103 Gdynia, ul. Śmidowicza 69

Bibliografia

• 1. De Jong K. A., Analysis of the Behavior of a Class of Genetic Adaptive Systems, PhD thesis, Department of Computer and Communication Sciences, University of Michigan, Ann Arbor, MI, 1975
• 2. Glover F., Tabu Search - Part 1, ORSA Journal on Computing 1 (2): 190–206, 1989.
• 3. Goldberg D. E., Richardson J., Genetic Algorithms with Sharing for Multimodal Function Optimization, Proceedings of the 2nd International Conference on Genetic Algorithms, Lawrence Erlbaum. pp. 41-49.
• 4. Holland J. H., Adaptation in Natural and Artificial Systems, MIT Press, 1975
• 5. Potter M., The Design and Analysis of a Computational Model of Cooperative Coevolution, PhD thesis, George Mason University, Fairfax, Virginia, 1997
• 6. Potter M. A., De Jong K. A., Cooperative coevolution: An architecture for evolving coadapted subcomponents, Evolutionary Computation, 8(1), 1-29, 2000
• 7. http://cmtm.pg.gda.pl/systemy-techniki-glebinowej/