В.Н. Коновалов, М.О. Корлякова
2
ления, один из них — модель нейросетевого управления для решения
задач наблюдения на борту космического аппарата [2]. В работе [3]
предложено использовать нейросетевую модификацию инверсно-
адаптивной модели стабилизации угла тангажа. Отмечено, что си-
стема справляется с поставленной задачей стабилизации высоты и
скорости, но в режиме моделирования не обеспечивает достаточного
быстродействия; его можно достичь решением задачи в реально па-
раллельном аппаратном базисе.
Нейросетевые модели принятия решений ориентированы, как
правило, на решение задач низкого уровня управления. Однако в
настоящий момент существует развитый класс нечетких нейронных
сетей, которые аппроксимируют процедуры нечеткого дедуктивного
вывода, например известная архитектура ANFIS [4], которая обеспе-
чивает интеграцию нечетких, нейросетевых моделей и технологий
самоорганизации. Преимуществом такой формы нейросетевого под-
хода является способность к самоорганизации и адаптации в процес-
се жизни системы.
Недостаток нейронных сетей состоит в значительной избыточно-
сти модели, необходимой для качественного решения задачи. Однако
избыточность заключена в числе нейронов и их размере, а основная
вычислительная сложность решения задачи переносится на этап обу-
чения. Это позволяет значительно повысить скорость обработки на
этапе решения задач. Кроме того, необходимо отметить, что надеж-
ность систем нейросетевого типа обеспечена их способностью удо-
влетворительно решать задачи даже при отказе существенной части
системы. Из опыта известно, что отключение 15 % нейросетевой си-
стемы не приводит к существенному снижению качества решения
задачи [4]. По итогам моделирования нейронной сети прямого рас-
пространения (многослойного перцептрона) показано, что отключе-
ние слабых связей не приводит к значительному снижению качества
классификации [4, 5].
Из сказанного выше следует, что интеллектуальные технологии
нашли довольно широкое применение в современных системах
управления летательных аппаратов. Они позволяют решать задачи
управления на борту с качеством, сравнимым с традиционными под-
ходами, и обеспечивают высокую надежность и быстродействие вы-
числительной системы. Однако, поскольку в рассмотренных приме-
рах использованы нейронные сети с настраиваемыми параметрами
вещественного типа, существуют определенные трудности при ре-
шении задачи их аппаратной реализации. Параллельная обработка
информации в нейронных сетях может быть сделана на разном
уровне сложности аппаратного базиса. Например, использование па-
раллельных вычислителей в форме связанных между собой микро-
контроллеров-нейронов, позволяет создать нейронную сеть из слож-
