Modeling and control of nonlinear complex system by fusion of control theory and learning network

控制理论与学习网络融合的非线性复杂系统建模与控制

• 批准号: 10650433
• 负责人: OBAYASHI Masanao
• 金额: $ 1.73万
• 依托单位: YAMAGUCHI UNIVERSITY
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 1998
• 资助国家: 日本
• 起止时间: 1998 至 2000
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-10650433/
• 关键词: Learning; Neural network; Reinforcement Learning; Nonlinear system control; Chaos; Genetic algorithm; Associative memory; fuzzy; モデル化; 制御; 不完全観測; オブザーバ; 高速化; ロバスト性

To model and control the nonlinear complex system, it is very useful to research the function of the human brain and learning method of the living things. Under these considerations, we mainly developed,i) an indirect encoding method with genetic algorithm to decide an optimal neural network structure,ii) a method for faster neural networks learning to make a neural network control system,iii) a control system structure to makes the system robust by using the second order derivatives of universal learning network,iv) an effective reinforcement learning method with an adaptively modified probabilistic density function to make the agents adaptable to the environment,v) an useful method for chaotic neural network to associate the memory patterns in the case that each memory patterns have strong correlation each other,vi) a memory search model with association by features in chaotic neural network which makes system enable a quick association.These validity has been examined by examples.

研究人脑的功能和生物的学习方法，对于非线性复杂系统的建模和控制具有重要意义。基于这些考虑，我们主要开发了：i）一种用遗传算法确定最优神经网络结构的间接编码方法，ii）一种使神经网络快速学习的方法，以构成神经网络控制系统，iii）一种利用通用学习网络的二阶导数使系统具有鲁棒性的控制系统结构，iv）具有自适应修改的概率密度函数的有效强化学习方法，以使代理适应环境，v）在记忆模式之间存在强相关性的情况下，提出了混沌神经网络对记忆模式进行关联的有效方法，vi）混沌神经网络中的特征联想记忆搜索模型，使系统能够快速联想，并通过实例验证了其有效性。

项目成果

大林正直: "Neural Networks with Functions of Synaptic Weights and Its Application to Nonlinear System Control"Proceedings of IEEE International Conference on Systems,Man and Cybernetics. 1472-1477 (1999)

Masanao Obayashi：“具有突触权重函数的神经网络及其在非线性系统控制中的应用”IEEE 国际系统、人与控制论会议论文集 1472-1477（1999）。

小林邦和: "A New Indirect Encoding Method with Variable Length Gene Code to Optimize Neural Network Structure"Proceedings of 1999 International Joint Conference on Neural Networks. (CDROM). (1999)

Kunikazu Kobayashi：“一种用于优化神经网络结构的可变长度基因代码的新间接编码方法”1999 年国际神经网络联合会议论文集（CDROM）。

大林正直: "Radial Basis Functionを用いたカオスニューラルネットワークにそのメモリサーチへの応用"電気学会論文誌. 120-C. 1441-1446 (2000)

Masanao Obayashi：“使用径向基函数的混沌神经网络及其在备忘录搜索中的应用”，日本电气工程师学会汇刊 120-C 1441-1446（2000 年）。

大林正直: "関数型結合重みを持つニューラルネットワークを用いた学習の高速化とその非線形制御への応用"電気学会論文誌C. 121C・2. 385-391 (2001)

Masanao Obayashi：“使用具有函数连接权重的神经网络加速学习及其在非线性控制中的应用”日本电气工程师学会会刊 C. 121C・2（2001 年）。

Toshiro Nagashima: "An Effective Solution to Large-scale Traveling Salesman Problem"Proceedings of 7^<th> International Conference on Neural Information Processing. 459-464 (2000)

Toshiro Nagashima：“大规模旅行商问题的有效解决方案”第七届国际神经信息处理会议论文集。