دانلود مقاله ISI انگلیسی شماره 103762
ترجمه فارسی عنوان مقاله

مدل سازی ریاضی سیستم کنترل اتوماتیک خودساختار فکری: تحقیق برنامه ریزی فعالیت

عنوان انگلیسی
Mathematical modelling of intellectual self-organizing automatic control system: action planning research
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
103762 2017 6 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Procedia Engineering, Volume 201, 2017, Pages 617-622

ترجمه کلمات کلیدی
سیستم های خودمختار ذهنی، شبکه های عصبی مصنوعی
کلمات کلیدی انگلیسی
Intellectual self-organizing systems; artificial neural planning networks;
ترجمه چکیده
روش مدل سازی ریاضی بخشی جدایی ناپذیر از فرایند توسعه سیستم پیچیده است. سیستم های کنترل اتوماتیک خودکار سازمانی هوشمند برای کارکرد در شرایط تغییر محیط، پارامترهای کنترل شده گیاهی، همراه با اهداف کنترل در نظر گرفته شده اند. ناقص بودن اطلاعات باعث می شود بیانیه ای از عمل کنترل، یعنی بدون دنباله عمل برای راه حل آن. به عنوان نتیجه، بخش عمده ای از سیستم های کنترل اتوماتیک سازماندهی خودکار فکری، زیرسیستم برنامه ریزی عمل است. وظایف اعلام شده با استفاده از روش های هوش مصنوعی حل می شود. با این حال، روش های موجود برنامه ریزی عمل نشان دهنده رویه هایی است که خواستار استفاده بیشتر از محاسبات منابع هستند. لذا بهره وری از سیستم های کنترل اتوماتیک خودساختار فکری در بسیاری از موارد با بهره وری از زیر سیستم برنامه ریزی عمل تعریف می شود. شبکه های برنامه ریزی عصبی مصنوعی برای افزایش کارآیی به عنوان مکانیسم برنامه ریزی عمل در سیستم های خودکار کنترل خودکار فکری استفاده می شود. مدل سازی ریاضی سیستم های کنترل خودکار برای سازماندهی فکری مستلزم اجرای نرم افزار شبکه های برنامه ریزی عصبی مصنوعی است. در این مقاله، نتایج مطالعه ما بر روی خواص شبکه های برنامه ریزی عصبی مصنوعی بررسی شده است.
پیش نمایش مقاله
پیش نمایش مقاله  مدل سازی ریاضی سیستم کنترل اتوماتیک خودساختار فکری: تحقیق برنامه ریزی فعالیت

چکیده انگلیسی

Mathematical modelling procedure is an integral part of complex system development process. Intellectual self-organizing automatic control systems are intended for functioning in conditions of changing the environment, controlled plant parameters, along with control purposes. Information incompleteness causes declarative statement of control task, i.e. without action sequence for its solution. As consequence, the major component of intellectual self-organizing automatic control systems is the action planning subsystem. Declarative tasks are solved by using artificial intelligence methods. However, existing methods of action planning represent the procedures demanding greater use of computing resources. Therefore efficiency of intellectual self-organizing automatic control systems in many respects is defined by productivity of action planning subsystem. Artificial neural planning networks are applied to increase efficiency as the mechanism of action planning in intellectual self-organizing automatic control systems. Mathematical modelling of intellectual self-organizing automatic control systems requires software realization of artificial neural planning networks. In this article we review the results of our study on the properties of artificial neural planning networks.