Automatyczna Budowa dokładnych modeli układów fizycznych

Original: http://www.cs.colorado.edu/~lizb/model.html

Opis projektu:

PRET automatyzuje proces, że teoretycy nazywają identyfikację kontroli systemu: wnioskowanie wewnętrzną dynamikę systemu czarnej skrzynki wyłącznie z obserwacji jego rezultatów. PRET buduje zwykłe równanie różniczkowe (ODE) modele systemów fizycznych, liniowy lub nieliniowy; Dokonuje tego poprzez owinięcie warstwą technik AI wokół rdzenia tradycyjnych identyfikacji systemu (SID) metod. Ta warstwa AI wykonuje wiele części wysokiego szczebla procedury SID, które są zwykle wykonywane przez człowieka eksperta: inteligentnie ocenia sytuację na każdym etapie procesu, a następnie powody, z dostępnych informacji, aby automatycznie wybrać, powołać, i interpretowania wyniki odpowiednich technik niższego szczebla. W jego fazie szacowania parametrów, na przykład, PRET wykorzystuje jakościowych technik rozumowania czerpać dobre wartości wyjściowe dla połączenia nieliniowych najmniejszych kwadratów solver, na podstawie której może uniknąć lokalne ekstrema w krajobrazie regresji. Podobnie jak ludzkie ekspertów, PRET używa heterogeniczny zbiór trybów rozumowania w procesie budowy modelu, a inteligentny orkiestracji z tych trybów jest kluczem do jego sukcesu. Ta reprezentacja wiedzy i rozumowania zadanie jest wykonywane za pomocą specjalnego systemu pierwszego rzędu logiczny, który wybiera i koordynuje odpowiednie taktyki rozumowania w celu prowadzenia wyszukiwanie szybko i dokładnie do modelu ODE rozlicza ten ważny zachowania systemu.

PRET ma być narzędziem inżyniera; z tego powodu, że znacznie różni się od innych programów modelowania Ai różnych ważnych dziedzinach. Po pierwsze, wyraźnie unika wszelkich prób do “odkrycia” wszelkie fizyki, które wykraczają poza specyfikacje jego obsługi; raczej, to działa bardzo trudno znaleźć minimalny model – taki, który pasuje do uwag w rozdzielczości przepisywane przez użytkownika, a nie więcej. Po drugie, nie stosować się do jednej, czystej paradygmatu; raczej, że wzywa różnorodnych technik rozumowania, od klasycznych pomysłów AI jak więzów propagacji standardowych sztuczek technicznych, takich jak seria mocy, i to ciężko pracuje, aby użyć właściwej techniki w odpowiednim czasie. Ta mieszanka metod jest źródłem zdolności pret do rozwiązywania rzeczywistych problemów w różnych dziedzinach inżynierii. Po trzecie, PRET współpracuje bezpośrednio ze światem fizycznym, za pomocą czujników i elementów wykonawczych do interakcji z jego systemów docelowych — z modelowania podejścia wejścia / wyjścia, który jest zarówno bardzo silne i bardzo trudne z powodu nieliniowej teorii sterowania, który jest zaangażowany.

W kwestii wydajności, PRET osiągnął poziom funkcjonalności inteligentnego licencjackich. Rozwiązuje problemy odmiany ogród podręcznik SID dość dobrze, zmaga się od czasu do czasu z twardsze, i ma z powodzeniem (po nieznacznym za rękę dotyczącej relacji między różnymi układami współrzędnych) wzorowany jeden system w świecie rzeczywistym: samochód sterowania radiowego przeznaczonego dla wykorzystać w projekcie robota grającego w piłkę nożną. SID jest niezbędny pierwszy etap projektowania systemu takiego, bez dokładnego modelu ODE dynamiki samochodu, nie da się zbudować kontroler skierować swoje zachowanie zgodnie z planem – i ody nie są częścią Specyfikacji Radio Shack. Z inżynierskiego punktu widzenia, jest to urządzenie do modelowania nieszablonowe osiągnięciem; nieliniowe SID jest uważany za otwartym problemem. Kwestie AI w tym przykładzie były również interesujące: PRET nie tylko powielane model, który był pochodzący analityk projektu ręcznie; interakcji z narzędzia AI pomógł również ekspertem człowieka udoskonalić wyraźnej modelu psychicznego systemu.

Ludzie:

Prof. Liz Bradley, kierownik projektu.
Matt Easley, który ukończył doktorat w 2000 roku, opracowany reprezentacji i rozumowania urządzeń do budowy modelu i wejścia / wyjścia modelowania.
Apollo Hogan, licencjackich asystent, napisał GUI pret i pomógł Reinhard z wieloma innymi drobiazgami.
Brian Lamacchia, stażysta, pomógł napisać kilka symbolicznych obiektów algebry pret jest.
Janet Rogers i Abbie O’Gallagher NIST pomógł napisać nieliniowej Estymator parametrów pret jest.
Reinhard Stolle, który ukończył doktorat w 1998 roku, zaprojektowany i wdrożony tester modelu pret oraz jego deklaratywnych technik rozumowania. On również odegrał kluczową rolę w większości głównych decyzji projektowych w ramach projektu jako całości.
Tom Wrensch napisał jakościową symulator pret jest.

Dokumenty:
Ze względu na miejsce, zestawy ściśle powiązanych dokumentach były przycinane. Zobacz moją stronę publikacje pełną listę, i proszę o kontakt w druku, czy to, co chcesz tu nie ma (lub nie pobranie).

Ogólnie:
R. Stolle, M. Easley i E. Bradley, “Wnioskowanie o Modele nieliniowych układów” w Puzzle i Aspektów Obliczeniowej w oparciu o model rozumowania, L. Magnani i wsp., Wyd. Kluwer, 2002.
E. Bradley M. Easley, i R. Stolle, “Wnioskowanie o identyfikacji systemów nieliniowych,” Sztuczna Inteligencja 133: 139-188 (2001)
E. i R. Bradley Stolle, “automatyczne tworzenie dokładnych modeli układów fizycznych,” Annals of Mathematics i Sztucznej Inteligencji, 17: 1-28 (1996).
Reprezentacja wiedzy i rozumowania:
R. Stolle, A. Hogan i E. Bradley, “Agenda sterowania heterogenicznych myśliciele,” Journal of Logic i algebraiczne Programowanie 62: 41-69 (2005)
M. Easley i E. Bradley, “obejmujący Inżynieria formalizmach do automatycznych modelarzy,” w Computational Odkrycie zakaźnych wiedzy, L. Todorovski i S. Dzeroski, wyd. Springer, 2004.
R. i E. Bradley Stolle, “Communicable Wiedza w automatyczny system identyfikacji” w The Computational Odkrycie zakaźnych wiedzy, L. Todorovski i S. Dzeroski, red., Springer 2004.
M. Easley i E. Bradley, “Meta-domeny do automatycznej identyfikacji systemu” Inteligentny System Engineering Design (ANNIE) St. Louis; Listopada 2000 roku dostępny również jako Departamentu Informatyki Technicznej Zgłoś CU-CS-904-00
M. Easley i E. Bradley, “Uogólnione sieci fizycznych do budowy modelu,” Proceedings Międzynarodowej Konferencji w sprawie Wspólnej Sztucznej Inteligencji (IJCAI), Sztokholmie, sierpniu 1999 r.
R. i E. Bradley Stolle, “multimodalny Rozumowanie dla automatycznego modelu Budownictwa”, Proceedings XV Krajowa Konferencja na temat sztucznej inteligencji 1998 (AAAI-98), Madison, Wisconsin, lipiec 1998.
R. i E. Bradley Stolle, “oportunistyczne modelowanie,” Proceedings of the IJCAI (International Joint Conference on Artificial Intelligence) Warsztaty Problemy Inżynierii w Rozumowanie jakościowe, Nagoya Japonia; Sierpnia 1997r.
Wejście / wyjście modelowania:
M. Easley i E. Bradley, “Informacje Granulacja w Automated Modeling,” w W. Pedrycz, redaktor, granulowany Computing: pojawiającym się modelem, Physica-Verlag, 2001.
M. Easley i E. Bradley, “Inteligentna Analiza czujników i sterowników Control” IDA-01 (Międzynarodowe Sympozjum na temat inteligentnej analizy danych), Lizbona; Wrzesień 2001.
M. Easley i E. Bradley, “Wnioskowanie o modelowaniu przepływów układów dynamicznych,” Międzynarodowe Sympozjum na temat inteligentnej analizy danych (IDA), Amsterdam; Sierpień 1999.
E. Bradley i M. Easley, “Wnioskowanie o dane z czujników w automatyczny system identyfikacji,” Analiza danych Inteligentne: International Journal, tom 2, nr 2, Elsevier Science (1998).
Nieliniowa estymacja parametrów:
E. Bradley, A. O’Gallagher i J. Rogers, “Global Solutions dla nieliniowych systemów wykorzystujących Rozumowanie jakościowe,” Annals of Mathematics i Sztucznej Inteligencji 23: 211-228 (1998)

Linki:

/ Jakościowa strona główna fizyki rozumowanie jakościowe.

Wsparcie:

Ten materiał jest oparty na pracy wspieranej przez National Science Foundation pod numerami dotacji MIP-9403223 i Narodowe Młodych Badaczy Award CCR-9357740, przez Office of Naval Research pod numerem dotacji N00014-96-1-0720, oraz stypendium w Packard Nauka i Technika. Wszelkie opinie, konkluzje i wnioski i zalecenia przedstawione w niniejszym materiale są poglądami autora (-ów) i nie muszą odzwierciedlać poglądów tych agencji finansujących.

Comments are closed.