CONSTANȚA

FACULTATEA DE ELECTROMECANICĂ
NAVALĂ

SISTEME INTELIGENTE DE
CONDUCERE SUPRAVEGHERE SI
CONTROL CE FOLOSESC REȚELE
NEURALE

Coordonator științific:
Popa Ș.l. dr. ing. Carmen Student:
DUMITRESCU Popa Alexandru SEA 61

-Constanța-
2020
 CAPITOLUL I  CONSIDERAȚII TEORETICE
PRIVIND REȚELELE NEURONALE

CAPITOLUL II ELEMENTE DE DEFINIRE A

REȚELELOR NEURALE

CUPRINS
CAPITOLUL III CALCULUL NEURAL

CONCLUZII
 Inteligenţa Artificială – IA  reprezintă un
domeniu de cercetare al cărui scop constă
în studiul şi modelarea inteligenţei, prin
crearea de sisteme capabile să
îndeplinească activităţi inteligente.
Introducere Sistemele realizate nu trebuie să copieze în
mod necesar metodele şi tehnicile utilizate
de om pentru îndeplinirea activităţilor,
importantă fiind numai efectuarea ieftină,
sigură şi eficientă a activităţilor propuse.
 Reţelele neurale se bazează pe analogia cu modul
de organizare a sistemului nervos uman pentru
înmagazinarea implicită a cunoştinţelor şi pentru
CAPITOLUL I efectuarea unor procese de învăţare şi generalizare
  în condiţii de informaţii incomplete sau afectate
de perturbaţii de recepţie. Sunt sisteme paralele,
CONSIDERAȚII distribuite, cu capacitatea de a învăţa pe bază de
TEORETICE exemple.
PRIVIND Pornind de la o mulţime particulară de exemple de
REȚELELE instruire, reţeaua neurală are calitatea de a fi
capabilă să-şi sintetizeze singură algoritmul de
NEURONALE rezolvare a problemei; astfel, rețeaua
extrage informaţia prezentă în mulţimea de
instruire (învaţă din exemplele prezentate).
CAPITOLUL
II Reţelele neurale artificiale sunt caracterizate de
 elemente: modelul adoptat pentru elementul de
ELEMENTE procesare individual (neuronul), structura particulară
de interconexiuni  şi mecanismul de ajustare a
DE legăturilor dintre neuroni. În cele ce urmează vom
DEFINIRE A trece în revistă pe rând aceste elemente, prezentând
exemple semnificative şi introducând terminologia
REȚELELOR corespunzătoare.
NEURALE 
 În cadrul sistemului nervos biologic
neuronii
sunt conectaţi prin spaţiile denumi
te sinapse. Sinapsele
reprezintă unităţi structurale funcţi
Conexiunea biologic onale, care
a stabilesc interacţiunile dintre
neuroni. Sinapsele impun o
excitare sau o inhibare neuronului
receptor.
 Modele pentru
neuronul elementar
RNA este alcătuită dintr-o mulţime de
noduri în care se află neuronii
artificiali , elemente de procesare
neliniară care operează în paralel.
Prin analogie cu neuronul biologic, un
neuron artificial are mai multe
intrări şi o ieşire, care se poate
conecta la intrările altor neuroni.
În figură se prezintă modalitatea uzuală de reprezentare grafică a
neuronului artificial individual, detaliată pentru varianta tipică a acestuia
corespunzătoare aşa-numitului model aditiv.
Funcţii de activare pentru 
neuronul elementar:
a)comparator bipolar 
b) comparator unipolar
c) comparator bipolar 
 cu prag;
d) liniar cu saturaţie;
e) sigmoidală bipolară;
f) sigmoidală unipolară
Analogie intre rețelele neurale artificiale si
cele biologice 
CAPITOLU
L III Se definește prin termenul generic de calcul neural,
calculul folosit în rezolvarea problemelor de asociere,
care se bazează pe extragerea unui model pe bază de
exemple. Calculul neural face parte din sfera mai
CALCULUL generală a calculului natural , iar reţelele neurale
NEURAL reprezintă suportul hard pentru calculul neural.
Unităţile funcţionale din structura unei reţele

Pot fi de trei feluri, în funcţie de

rolul lor în cadrul reţelei respective
 Există numeroase modalităţi de interconectare
a neuronilor elementari, cele mai utilizate 2
Arhitecturi arhitecturi sunt:
• cu propagare a informaţiei numai dinspre
specifice  intrare spre ieşire (reţele de tip  feedforward). 
• reţele recurente (cu reacţie).
 Arhitecturi specifice 

Arhitectura tip inel          Arhitectura

     tip rețea neurala 
celulara

Arhitecturi tip feedforward             

Arhitecturi local recurente 

 • Unul dintre aspectele
care diferenţiază reţelele ne
urale faţă de alte sisteme de
prelucrare a informaţiei îl
constituie capacitatea
Algoritmi de acestora de a învăţa în
învățare  urma interacţiunii cu mediul
înconjurător şi, ca urmare,
de a-şi îmbunătăţi în
timp performanţele (confor
m unui criteriu precizat).
       Criterii de clasificare a algoritmilor în funcţie de disponibilitatea răspunsului
dorit la ieşirea reţelei neurale:
1.Învăţarea supravegheată (supervised learning) presupune existenţa în orice moment a unei valori
dorite (target) a fiecărui neuron din stratul de ieşire al reţelei. Sistemului i se furnizează seturi de
perechi intrare-ieşire dorită cu ajutorul cărora se calculează mărimi de eroare
în funcţie de diferenţa dintre valoarea reală a ieşirii şi cea dorită, pe baza cărora se ajustează valorile
parametrilor reţelei (interconexiuni şi, eventual, valori de prag ale funcţiilor de activare)
2. În învăţarea nesupravegheată (unsupervised learning) reţeaua extrage singură anumite
caracteristici importante ale datelor de intrare formând reprezentări interne distincte ale
acestora. Reţeaua nu beneficiază de seturi de ieşiri dorite, în schimb se utilizează un gen de
"competiţie" între neuronii elementari care are ca efect modificarea conexiunilor aferente numai
neuronului care "câştigă" întrecerea, restul legăturilor rămânând neafectate.
  
Dezvoltarea continuă a proceselor tehnologice
impuse de cerința economică de creștere a
productivității muncii și a competitivității , impun
cerinţe justificate de continuitate şi siguranţă în
funcționarea, aparând necesitatea tot mai mare de
îmbunătăţire a fiabilităţii . Domeniul inteligenței

Concluzii
artificiale este un subiect de interes în continuă
dezvoltare
Una din soluţiile cu potenţial ridicat în
rezolvarea cerinţei de mai sus este implementarea
sistemelor neuronale deoarece acestea
implementeaza modele din viata noastra precum
neuronii si sistemul nervos, fiind modele foarte
organizate.
 VĂ MULȚUMESC
PENTRU ATENȚIE!