Разработка и исследование двухуровневых адаптивно-нейронных систем управления динамическими объектами
Открытая архитектура комплекса позволяет непрерывно дополнять его базу новыми алгоритмами обучения, построенными как на основе метода обратного распространения ошибки, так и на других принципах (например, случайный поиск). Однако, для каждого конкретного случая проектировщику придется выбирать для своей системы управления наиболее подходящий алгоритм. Проблемы выбора можно избежать, если… Читать ещё >
Содержание
- ГЛАВА 1. Нейронные сети в системах управления
- 1. 1. Анализ особенностей традиционных адаптивных систем управления
- 1. 2. Этапы развития нейросетевых структур
- 1. 3. Архитектура нейронных сетей
- 1. 3. 1. Многослойные нейронные сети (МНС)
- 1. 3. 2. Аппроксимация и ассоциативная память в МНС
- 1. 4. Примеры использования нейросетевых структур для построения систем управления
- 1. 5. Аппаратное исполнение
- 1. 6. Постановка задачи
- 1. 7. Выводы по первой главе
- ГЛАВА 2. Динамические алгоритмы обучения (ДАО) сетей
- 2. 1. Общая характеристика правил обучения для МНС
- 2. 2. Стандартный алгоритм обратного распространения ошибки (BP)
- 2. 3. Вариации стандартного алгоритма обучения BP
- 2. 3. 1. Ускоренный алгоритм обратного распространения ошибки (или Quick Propagation Learning Algorithm)
- 2. 3. 2. Каскадно-корреляционные алгоритмы обучения
- 2. 4. Динамические алгоритмы обучения многослойных нейронных сетей
- 2. 4. 1. Способы введения динамики в многослойные нейронные сети
- 2. 4. 2. Скоростной алгоритм обучения нейросети
- 2. 4. 3. Динамический алгоритм обучения с прогнозом
- 2. 4. 4. Упрощенный ДАО с прогнозом
- 2. 4. 5. Алгоритм обучения для неполносвязной МНС
- 2. 5. Исследование эффективности действия МНС различной архитектуры
- 2. 6. Модели и структуры систем управления с МНС
- 2. 6. 1. Базовые динамические системы
- 2. 6. 2. Структуры систем управления с МНС
- 2. 7. Выводы по второй главе
- ГЛАВА 3. Исследование и сравнительный анализ адаптивных систем управления с мажорирующими функциями для нелинейного динамического объекта
- 3. 1. Общий подход к построению структур адаптивного управления нелинейными нестационарными объектами
- 3. 2. Упрощенные адаптивные системы прямого управления с алгоритмами параметрической настройки и мажорирующими функциями
3.3. Аналитическое исследование работоспособности (диссипативности) полной адаптивной структуры прямого управления объектами второго порядка с алгоритмами параметрической настройки и степенными мажорирующими функциями.
3.4. Численное исследование и сравнительный анализ адаптивных систем управления для обобщенного нелинейного объекта.
3.5. Выводы по третьей главе.,
ГЛАВА 4. Двухуровневые адаптивно- нейронные системы управления нелинейными динамическими объектами.
4.1. Адаптивно-нейронный подход к построению систем управления.
4.2. Структуры двухуровневых адаптивно-нейронных систем управления.
4.3. Методика построения регулятора нейросетевого уровня управления.
4.4. Обобщенная структура упругого механического объекта.
4.4.1. Постановка задач управления упругими механическими объектами.
4.4.2. Уточнение исходных расчетных математических моделей многомассовых упругих объектов.
4.5. Методика построения адаптивного уровня управления нелинейными упругими многомассовыми объектами на базе прямых адаптивных структур. 190 4.6. Рекомендации по упрощению систем адаптивного уровня с алгоритмами параметрической настройки для многомассовых упругих объектов.
4.7. Двухуровневая адаптивно-нейронная система управления для нелинейного одно-резонансного электромеханического объекта по измерению угла нагрузки.
4.8. Выводы по четвертой главе.
Список литературы
- Герман-Галкин С.Г. и др. Цифровые электроприводы с транзисторными преобразователями. Л.: Энергоатомиздат. Ленингр. отд., 1986. -248 с.
- Куо Б. Теория и проектирование цифровых систем управления. М.: Машиностроение, 1986. 448 с.
- Дроздов В.Н., Мирошник И. В., Скорубский В. И. Системы автоматического управления с микроЭВМ. -Л.: Машиностроение. 1989. -284 с.
- Carmon A. Considerations in the application of self- turning PID controllers using EXACT-turning algorithm// Measurement & Control.- 1986.-Vol.l9.-№.9.-P.260−266.
- Александров А.Г. Частотные регуляторы. //АиТ. -1991 .-№ 1 .-С. 3−15.
- Андреев Ю.Н. Управление конечномерными линейными объектами. -М.: Наука. 1976. — 424 с.
- Борцов Ю.А., Поляхов Н. Д., Путов В. В. Электромеханические системы с адаптивным и модальным управлением. -Л.: Энергоатомиздат. Ленингр. отд.-1984. -284 с.
- Борцов Ю.А., Соколовский Г. Г. Автоматизированный электропривод с упругими связями. -СПб.: Энергоатомиздат. Санкт-Петерб. отд.-1992.-287 с.
- Борцов Ю.А., Юнгер И. Б. Автоматические системы с разрывным управлением. -Л.: Энергоатомиздат. Ленингр. отд.-1986. -280 с.
- Карабутов H.H. Шмырин A.M. Адаптивное оптимальное управление с ограничениями. Липецк: ЛПИ.-1992.-76 с.
- П.Козлов Ю. М., Юсупов P.M. Беспоисковые самонастраивающиеся системы. -М.: Наука.-1969.
- Косиков B.C., Крутова И. Н., Павлов Б. В. Линейная модель БСНС с контролем частотной характеристики //АиТ. -1976.-№ 7.-С.68−75.
- Косиков B.C., Кордюков А. П. Синтез беспоисковой самонастраивающейся системы с нелинейным объектом.// АиТ. -1987.-№ 4.-С.58−65.
- Красовский A.A. Динамика непрерывных самонастраивающихся систем. -М.: Физматгиз, 1963.
- Кухтенко В.И. Динамика самонастраивающихся систем со стабилизацией частотных характеристик. -М.: Машиностроение.-1970.
- Павлов Б.В., Соловьев И. Г. Системы прямого адаптивного управления. -М.: Наука,-1987.-309 с.
- Петров Б.Н., Рутковский В. Ю., Крутова И. Н., Земляков С. Д. Принципы построения и проектирования самонастраивающихся систем управления. -М.: Машиностроение.-1972.
- Путов В.В., Полушин И. Г. Адаптивное управление манипулятором в условиях структурно-параметрической неопределенности.//У1 НТК «Робототехника для экстремальных условий».-СПб.: 1996.-С. 163−170.
- Путов В.В. Методы построения адаптивных систем управления нелинейными нестационарными динамическими объектами с функционально- параметрической неопределенностью: Дис.. докт. техн. наук: 01.01.11. СПб., 1993. — 490с.
- Путов В.В. К вопросу об устойчивости адаптивных систем со степенными мажорирующими функциями // Изв. ТЭТУ- Вып.519.-Оптимизация и адаптация в управлении производственными и подвижными объектами СПб.: 1998. -С.3−7.
- Фрадков А.Л., Деревицкий Д. П. Прикладная теория дискретных адаптивных систем управления. -М.: 1981.-246 с.
- Фрадков А.Л. Адаптивное управление в сложных системах: беспоисковые методы. М.: Наука, 1990. 296 с.
- Чураков Е.П. Оптимальные и адаптивные системы: Учебное пособие для вузов. -М.: Энергоатомиздат.-1987.
- Ширяев В.И. Синтез управления линейными системами при неполной инфор-мации.//Изв. РАН Техн. Кибернетика,-1994.-№ 3.-С.229−237.
- Цыпкин Я.З. Адаптация и обучение в автоматических системах. М.: Наука, 1968. 400с
- Эйкхофф П. Основы идентификации систем управления. -М.: изд-во «Мир». -1975.-676 с.
- Петров Б.Н., Елисеев В. Д., Подольный О. А., Уколов И. С. К синтезу самонастраивающихся систем, основанных на энергетическом балансе частотных компонент сигнала ошибки// Изв. АН СССР. Тех. Кибернетика.-1969.-№ 1,-С.145−143.
- Аналитические самонастраивающиеся системы автоматического управления/Под ред. В. В. Солодовникова. -М.: Машиностроение, 1965.
- Многоуровневое управление динамическими объектами./Под ред. В.Ю. Рут-ковского и С. Д. Землякова. -М.: Наука, 1987.-309с.
- Справочник по теории автоматического управления. /Под ред. А.А. Красов-ского. М.: Наука, гл. ред. Физ. — мат. лит., 1987.-712 с.
- Astrom К J., Witternmark В. On self-turning regulators. //Automatica. 1973.-Vol.9. -№ 2.-pp. 185−199.
- Astrom K.J. Theory and practice of adaptive control. //Society of Instrument and Control Engineers in Japan, 1984.-Vol.23.-№ 5.
- Kanellakopoulos I., Kokotovic P.V., Morse A.S. Systematic design of adaptive controllers for feedback linearisable systems.//IEEE Trans. Autom. Control., 1991. -Vol.36.-№ 3 .-P. 1241 -1253.
- Kanellakopoulos I., Kokotovic P.V., Morse A.S. A toolkit for nonlinear feedback design. Syst. Control Letters., 1991.-Vol.l8.-P.83−92.
- Афанасьев В.Н., Колмановский В. Б., Носов В. Р. Математическая теория конструирования систем управления. -М.: Высш. школа 1989. — 447 с.
- Солодовников В.В., Шрамко JI.C. Расчет и проектирование аналитических самонастраивающихся систем с эталонными моделями. -М.: Машиностроение. 1972. — 270 с.
- Зубов В.И. Аналитическая динамика системы тел. -J1.: Изд-во ЛГУ. -1983. -344 с.
- Зубов В.И. Динамика управляемых систем. -Высш школа. -1982. 288 с.
- Лурье А.И. Аналитическая механика. М.: Физматгиз. — 1961. — 530 с.
- Пановко Я.Г. Введение в теорию механических колебаний. -М.: Наука. 1980. — 280 с.
- Тимошенко С.П., Янг Д.Х., Уивер У. Колебания в инженерном деле. -М: Машиностроение. 1985. — 472 с.
- Романов М.П. интеллектуальные системы управления с ассоциативной памятью. Автореф. дис. на соискание ученой степени д.т.н.-М.: 2000. 36 с.
- Андриевский Б.Р., Стоцкий A.A., Фрадков А. Л. Алгоритмы скоростного градиента в задачах управления и адаптации // Автоматика и телемеханика. 1988. -№ 12. — С. 3−39.
- Аведьян Э.Д. Алгоритмы настройки многослойных нейронных сетей // АиТ, 1995,-№ 4.- С. 106−118.
- Автоматы: Сборник статей // Под ред. К. Э. Шеннона и Дж.Маккарти. Пер. с англ. под ред. A.A. Ляпунова М.: Изд-во иностр. лит-ры, 1956.- 404с.
- Амосов Н.М., Байдык Т. Н. Нейрокомпьютеры и интеллектуальные роботы Киев.- Наукова думка. 1991. 267с.
- Арбузов A.B. Разработка и исследование адаптивных регуляторов, построенных на базе технологии экспертных систем и нейросетевых структур. Автореферат дис. на соискание ученой степени к.т.н. -М.: 1998. -19 с.
- Бивальд Рене Разработка и исследование нейронного контроллера для управления транспортными роботами. Автореферат дис. на соискание ученой степени к.т.н. -М.: 1996.-19 с.
- Богданов A.A. Параллельные модели и нейросетевые алгоритмы управления робототехническими системами. Автореферат дис. на соискание ученой степени к.т.н. -СПб.: 1998.-19 с.
- Горбань А.Н. Обучение нейронных сетей. М.: СП ПараГраф, 1990. -246С.
- Гордиенко Е.К., Лукьяница A.A. Искусственные нейронные сети. I. Основные определения и модели // Изв. РАН. Техническая кибернетика, 1994,-№ 5.-С. 79−92.
- Ефимов Д.В., Терехов В. А., Тюкин И. Ю. Адаптивная система управления с нейронной сетью./ Сборник научных трудов «Методы и аппаратные средства цифровой обработки сигналов» // Изв. ТЭТУ .-СПб.: 1996.-Вып. 490 .
- Колмогоров А.Н. Представление непрерывных функций многих переменных суперпозицией функций одной переменной и сложением // ДАН. Т. 114. -1958.-№ 5.-С. 953−956.
- Литвинов Е.Г. Нейроимитатор как новый инструмент нейрокомпьютинга // Нейрокомпьютер. 1993. — №¾.
- Маматов Ю.А., Булычев С. Ф. Схемотехнические модели построения потоковых нейронов на базе цифровой техники. // Микроэлектроника. 1996. — Т.25. -№ 1. — С. 3−8.
- Маматов Ю.А., Булычев С. Ф., Кармен А. К. Цифровая реализация потокового нейрона. // Радиотехника и электроника. 1995. — Т.40. — № 11. — С. 1652−1660.
- Минский М.Л., Пейперт С. Перцептроны.- М.: Мир, 1971.
- Путов В.В., Тимчук H.A., Гайдым Д.А Адаптивное управление нелинейными электромеханическими системами // Тез. докл. науч.-техн. конф. VII Бернардо-совские чтения, г. Иваново: ИГЭТУ, 1997.- С. 38.
- Рачковский Д.А. Разработка и исследование многоуровневых ансамблевых сетей нейроподобных элементов.: Автореферат диссертации на соискание ученой степени канд. т.н. / АН УССР Ин-т кибернетики им. В. М. Глушкова. Киев. -1990. — 16 с.
- Розенблатт Ф. Принципы нейродинамики.- М.: Мир, 1985.
- Терехов В.А., Новожилов И. М. Структуры, алгоритмы и свойства динамических систем управления и многослойными перцептронами.//сб. науч. трудов
- Методы и аппаратные средства цифровой обработки сигналов" // Изв. ГЭТУ. СПб, 1994.-Вып. 475.
- Терехов В.А. Динамические алгоритмы обучения многослойных нейронных сетей в системах управления //Изв. РАН. Теория и системы управления, 1996.-№ 3 С.70−79 .
- Терехов В.А., Ефимов Д. В., Тюкин И. Ю. Искусственные нейронные сети и их применение в системах автоматического управления. Учебное пособие. -СПб.: ГЭТУ, 1997.-64 с.
- Тимофеев А.В., Богданов А. А. Синтез нейросетевых регуляторов для оптимального управления роботами и мехатронными системами. // Изд-во РАН, РЕК по ТММ РАН, БГТУ. Вып.1. -СПб.: 1996.-С.115−125.
- Тимчук Н.А., Гайдым Д.А Исследование нейросетевой структуры в адаптивной двухуровневой системе управления // Оптимизация и адаптация в управлении производственными и подвижными объектами.- Известия ГЭТУ, — СПб.: СПбГЭТУ, 1998 г. вып. 519.- С. 34−37.
- Тюкин И.Ю. Устойчивость алгоритма обучения многослойных нейронных сетей прямого действия. //Изв. СПбГЭТУ. 1999
- Уоссермен Ф. Нейрокомпьютерная техника: Теория и практика // Пер. с англ.-М.: Мир, 1992.-240 с.
- Albus J. A new approach to manipulator control: The Cerebellar model articulation Controller (CMAC). //ASME Journal of Dynamic System, Meas. And Control. 1975. -P. 220−227.
- Albus J. Data storage in the cerebellar model articulation controller (CMAC). //ASME Journal of Dynamic System, Meas. And Control. 1975. -P. 228−233.
- Chen F. Back propagation neural network for nonlinear self- turning adaptive control. // IEEE Cont. Syst. Mag. 1990. -P. 22−25.
- Chester D. Why two hidden layers are better than one // In IEEE Int. Joint. Conf. on Neural Networks, IJCNN'90, 1990.- P. 265−268.
- Chu S., Shoureshi R., Tenorio M. Neural networks for system identification. //IEEE cont. Syst. Mag. 1990
- Cybenco G. Approximation by superpositions of a sigmoid function. //Math. Control Signal Systems. 1989.-№ 2.-P. 303−314.
- Fang Y., Sejnowski T.J. Faster learning for dynamical recurrent backpropagation. //Neural Computation. 1990.-№ 2.-P. 270−273.
- Fukuda T., Shibata T., Tokita M., Mitsuoka T. Neural network application for robotic motion control. Adaptation and learning. //INNC'90, 1990. -P. 447−451
- Girosi F., Poggio T. Represetation propeties of networks: Kolmogorov’s theorem is irrelevant //Neural Computation, 1989. -Voll.- P. 465−469.
- Girosi F., Poggio T. Networks and the best approximation property // Biological Cybernetics, 1990, Vol 63.- P. 169−176.
- Gues A., Eilbert J., Kam M. Neural Network architecture for control. //IEEE Cont. Syst. Mag., 1988. -P. 22−25.
- Hebb D.O. Organization of behavior: a neuropsychological theory. N.Y.: Science Editions,. 1949. -453 p.
- Hopfield J.J. Neural networks and phisical systems with emergent collective computational abilities // Proc. of the National Academy of Sciences, 1982.- № 79.-P. 25 542 558.
- Hornic K., Stinchcombe M., White H. Multilayer feedforward networks are universal approximators. //Neural Networks, 1989.-№ 2.-P. 359−366.
- Hunt K.J., Sbarbaro D., Zbikowski R. and Gawthrop P.J. Neural Networks for Control Systems.- A Survey // Automatica, 1992.- Vol. 28.- № 6.- P. 1083−1112.
- D. Karaboga, D.T. Pham Training Elman and Jordan network for system identification using genetic algorithm // Artificial Intelligence in Engineering. Vol 13.- № 2.-April 1999. — P.34−43.
- Levin A.U., Narendra K.S. Control of nonlinear dynamical system using neural networks: Controllability and Stabilization. //IEEE Trans, on Neural Networks, 1993. -Vol. 4.-№ 2.-P. 192−206.
- Levin A.U., Narendra K.S. Control of nonlinear dynamical system using neural networks. Part II: Observability, Identification and Control. //IEEE Trans, on Neural Networks, 1996. -Vol. 7. -№ 1. P.30−42.
- Miller W.T., Sutton R.S. and Werbos P.J. (eds.) Neural Networks of Control. MIT Press, Cambridge, MA, 1990.
- Narendra K.S. Neural Networks for Control, 1990,-Chapter 5. -P.l 15−142, — MIT Press, Cambridge, MA.
- Narendra K.S., Parthasarathy K. Identification and Control of dinamic system using neural networks // IEEE Trans, on Neural Networks, -1990.- Vol 1.-P.4−27.
- Nguen D., Widrow B. Neural Network for self- learning control system. //IEEE Cont. Syst. Mag. 1990.
- Psaltis D., Sideris A., Yamamura A.A. A multylayered neural networks controller. //IEEE Cont. Syst. Mag., 1988. -№ 8. -P. 17−27.
- Psaltis D. Neural Controllers // Proc. Of IEEE 1st Int. Conf. On Neural Networks, 1987.-Vol. 4.-P. 551−558.
- Rumelhart D.E., Hinton G.E., Williams R.J. Learning integral representations by error propagation. In D.E. Rumelhart and J.L. MacClelland (eds.) // Parallel Distributed Processing.- MIT Press, Cambridge, MA (USA).
- Sato M. Real time learning algorithm for recurrent analog neural networks. //Biological Cybernetics. 1990.-№ 62.-P. 237−241.
- Sira-Ramirez H.J., Zak S.H. The adaptation of perceptron with application to inverse dynamics identification of unknown dynamic system. //IEEE Trans, on Systems, Man and Cybernetics, 1991.-Vol. 21.-№ 3. -P. 634−642.
- Timofeev A.V., Bogdanov A.A. Methods of nonlinear neural element informatively evaluation in neural networks. //Int. Journal of information theories and applications. 1996.-Vol. 4. -P. 22−29.
- Warwick K., Irwin G.W., Hunt K.J. (eds.) Neural Networks of Control and Systems.* London, Peter Peregrinus, 1988.
- Werbos P.J. Beyond regression: new tools for predictions and analysis in the behavioral sciences. Ph. D. Thesis, Harvard University, Cambridge, MA, 1974.
- Widrow B. Adaptive Inverse Control // In Preprints of 2nd IF AC Workshop Adaptive System in Control and Signal Processing.- Lund, Sweden, 1986.- P. 1−5.
- Williams R.J., Zipser D. Experimental analysis of the real time recurrent learning algorithm. //Connection Science. 1989.-№ 1.-P.87−111.
- Yabuta Т., Yamada Т. Nonlinear neural network controller for dynamic system. //IECON'90. 1990.-P. 1244−1249
- Zeigler J.C., Nichols B. Optimal setting for automatic controllers. //Trans. ASME. 64. 1942. -P. 759−768.
- Hiki C. Adaptive neural networks. //Image Processing. 1992.-№ 3.-P.5
- Демидович Б.П. Лекции по математической теории устойчивости. -М.: Наука. 1967. — 472 с.
- Simon Haykin Neural Networks: A comprehensive Foundation. -New Jersey: Prentice Hall. 1999. -842 p.
- Терехов B.A., Ефимов Д. В., Тюкии И. Ю., Антонов В. Н. Нейросетевые системы управления. СПб.: Изд-во С-Петербургского университета — 1999. -263 с.
- Шеметов В.Ю. Разработка, исследование и цифровая реализация адаптивных систем управления с мажорирующими функциями для многостепенных механических объектов. Автореферат дис. на соискание ученой степени к.т.н. -СПб.: 1994.-23 с.
- Понтрягин Л.С. Обыкновенные дифференциальные уравнения. -М.: Наука, 1982. 332 с.
- Срагович В.Г. Адаптивное управление. -М.: Наука, 1981. -384 с.
- Narendra K.S., Annaswany A.M. A new adaptive law for robust adaptation without persistent excitation// IEEE Trans. Aut. Control, 1987. № 2. — P. 134−145.
- Поляхов Н.Д., Путов В. В. Адаптация и идентификация автоматических систем: Учебн. пособие. / ЛЭТИ. -Л.: 1984. 80 с.
- Путов В.В., Тимчук Н. А. Новые методы адаптивного управления в нелинейных электромеханических системах // Материалы IX межд. науч.-техн. конф. «Экст-ремальная робототехника», г. Санкт-|Петербург, 1998 г.- СПб.: СПбГТУ, 1998.-С.231−237.
- Putov V.V., Timtchuk N.A., Giedim D.A. New methods of intelligent contol in nonlinear electromechanichal systems// Труды докл. 3-го межд. симп. «Интеллек-туаль-ные системы».- Псков, 30 июня-3 июля 1998 г.- М.: ООО «ТВК».-1998.-С.85−86.
- Maudit N., Duarant H., Gobert J., Sirat J. L Neuro 1.0: a piece of hardware LEGO for building neural network systems.// IEEE Transactions on Neural Networks. 1992. — 9(3). — P.4144−4222.
- Lorentz G.G. Approximation of function.-Holt, Reinhart and Winston.-NY: 1966.-125 P.
- Sprecher D.A. On the structure of continuos functions of several variables. // Transactions of the American mathematical Society., 1965. -№.115 P. 310−355
- Girosi F., T. Poggio Representation properties of networks: Kolmogorov’s theorem is irrelevant. //Neural Comp., 1989. № 1. P. 465−469
- V. Kurkova Kolmogorov’s theorem and multilayer neural networks, 1992. № 5 -P. 501−506.
- D.E. Rumelhart, J.L. McClelland and the PDP research group eds. Parallel distributed processing: explorations in the microstructure of cognition. MIT Press. -Cambridge. — MA — 1986. — Vol.1
- D.E. Rumelhart, J.L. McClelland and the PDP research group eds. Parallel distributed processing: explorations in the microstructure of cognition. MIT Press. -Cambridge. — MA — 1986. — Vol.11
- Chen K. Tham, Richard W. Prager Reinforcement learning for multi- linked manipulator control //Proceedings of the Intern. Conf. On Systems Research, Informatics and Cybernetics of the 1992, Baden- Baden, Germany, in August. 1992. — P. 1−6
- E.Moriary, R. Miikkulainen Evolving obstacle avoidance behavior in a robot arm. // Proceedings of the 4-th Intern. Conf. On Simulation of Adaptive Behavior (SAB-96), cape Cod, MA, 1996. -P.357−364.
- P. Patric van der Smagt, Ben J.A. Krose A real time learning neural robot controller//Proceedings of the 1991 ICANN 91, Espoo, Finland, June 24−28., 1991. -P. 351−356
- M.Mitchell, B. Jhrum Explanation-based neural network learning for control// Advan-ces in Neural Information Processing Systems 5.-San Mateo, Ma.-1992.-P. 152−160.129. http://www.ice.el.utwente.nl/Finished/Neuro/peterm.htm
- Simona N. Constructive Supervised learning algorithms for artificial neural networks.// master thesis, Delft University of Technology. 1994. — 98 P.
- Tanaka J., Fukuda I. & Shibata T.
- R. Gkino Nonlinear system identification using additive dynamic neural networks.// Proceedings of the 1991 ICANN 91, Espoo, Finland, June 24−28., 1991. -P. 306−312
- A.H. Khan Feedforward neural networks with constrained weights. Dissertation on degree of Doctor of Philosophy. University of Warwick ., 1996. 216 P.
- Falman S.E., Lebiere C. The cascade- correlation learning architecture. // Advances in neural Information Processing Systems, vol2. D.S. Teurelzky (eds). — San Mateo, CA, Morgan Kaufmann. — 1990.
- Falman S.E. Faster learning variations on backpropagation: an Empirical Study.// In Proceedings of the 1988 Connectionist Models Summer Schools, Morgan Kaufmann
- Richard S. Sutton Learning to predict by the methods of temporal differences. // Machine Learning. 1988. № 3. — P. 23−38.
- Макаров И.М., Лохин В. М., Романов М. П. Харитонова Е.О. Системы управления с ассоциативной памятью // VI НТК «Робототехника для экстремальных условий». СПб.: 1996. — С. 115−123.
- Lohin V.M., Ieremin D.M., Madiygalov R.U., Man’ko S.V., Romanov M.P., Ti-urin K.V. The Intelligent Control Systems of Electric Drives.// The 3-th World Scientific Conf. «International Workshop on Advanced Electronics Technology'95».-Moscow.-1995.