Искусственный интеллект
Метод представления знаний при проектировании модели. Требования к качеству восприятия информации, отображаемой на дисплеях. Схема простой многослойной искусственной нейронной сети. Неформальное определение когнитивной карты. Искажения изображения.
Рубрика | Программирование, компьютеры и кибернетика |
Вид | дипломная работа |
Язык | русский |
Дата добавления | 13.02.2016 |
Размер файла | 829,5 K |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Опр. Карта путей
.
Карта мира представляет собой карту всех тех схем, которые являются картами территории, т.е. содержат p-слой. Связи между этими схемами являются p-отношениями, по которым возможно перейти из одной схемы в другую. Для каждой схемы а на карте путей любая связанная с ней схема b является схемой, находящейся на p-слое схемы a.
Карта путей для описанных выше схем выглядит следующим образом:
Рис. 4. Карта путей.
Карту путей необходима анимату для выбора активной когнитивной карты.
Получая из внешней среды информацию о некотором цельном объекте, анимат должен уметь интерпретировать полученные данные. Информация об объекте поступает в виде когнитивной карты, другими словами, в виде набора некоторых схем и связей между ними. Если какая-либо схема текущего распознанного объекта не является атомарной схемой, то такую схему необходимо предварительно распознать отдельно. Процесс повторяется до тех пор, пока схема, полученная изначально, не будет полностью распознана - или как старая схема, или как новая. Для выполнения такого процесса введем семантическую карту.
Опр. Семантическая карта .
Семантическая карта - это граф, в котором каждая вершина представляет собой некоторую схему, а дуги между ними обозначают, что одна схема является структурной частью другой. Изначально на семантической карте есть только пустая схема (для удобства будет считать, что она считается связанной c-отношением с каждой атомарной схемой), схема «я» и набор базовых атомарных схем, задаваемых программистом заранее (в данной модели это параметры «здоровье», «усталость» и «насыщенность»).
Алгоритм распознавания схем следующий.
1. Инициализировать , входящая схема .
2. Если схема - неизвестная атомарная схема, то добавить к .
3. Если схема - известная атомарная схема, то перейти на шаг 8.
4. Выбрать схему из присутствующих на c-слое когнитивной карты входящей схемы , которая не содержится в множестве .
5. Принять за входящую схему и применить алгоритм к ней.
6. Поместить схему в .
7. Если количество выбранных схем не равно количеству схем на с-слое когнитивной карте входной схемы, то перейти на шаг 4.
8. Если распознана как уже известная схема, то присвоить , перейти на шаг 13.
9. Добавить в множество схем из , которые не содержатся в .
10. Добавить в карту
11. Добавить в множество
12. Добавить в .
13. Вернуть .
Разберем на примере, как будет распознана схема, состоящая не только из атомарных схем, но и из более сложных схем.
Пусть схемы «ствол» и «дерево» имеют следующие когнитивные карты:
Рис. 5. C-слои когнитивных карт схем «ствол» и «дерево с ульем».
Предположим, что все эти схемы и несколько иных схем уже были распознаны ранее. Тогда семантическая карта анимата выглядит следующим образом:
Рис. 6. Семантическая карта
Пусть анимат пытается распознать объект во внешней среде, который является схемой «Дерево с ульем». В качестве входной информации ему поступает следующая когнитивная карта:
Рис. 7. Входная когнитивная карта неизвестной схемы.
На этом рисунке «схема #2» является неизвестной сложной схемой, которую необходимо распознать отдельно.
В качестве первой схемы выберем схему «Листья». Она является известной атомарной схемой, поэтому распознается как известная и помещается в множество . В качестве второй схемы выберем схему «Улей». Так же, как и схема «Листья», она распознается однозначно и помещается в множество . Третья выбранная схема - это схема «Схема #2», которую необходимо рекурсивно распознать. Ее карта выглядит следующим образом:
Рис. 8. Когнитивная карта схемы «Схема #2»
Эта карта содержит два отношения: («К», «Ветка») и («К», «Улей»). Следуя алгоритму, необходимо рекурсивно распознать схемы «Ветка» и «Улей», которые являются известными атомарными схемами. Эти схемы добавляются в множество . Поскольку количество схем в множестве равно количеству схем на с-слое когнитивной карты «Схема #2», то на шаге 8 такая схема распознается однозначно как схема «Ствол» , что будет результатом работы алгоритма по распознаванию схемы «Схема #2». Возвращаясь из рекурсии на уровень выше, добавим схему «Ствол» в множество исходной входной схемы. Это множество теперь содержит все три схемы, поэтому алгоритм переходит на шаг 8. На этом шаге исходная схема однозначно распознается как схема «Дерево с ульем», и результатом работы алгоритма будет являться эта схема. В случае, если в процессе распознавания были встречены неизвестные ранее схемы, то они будут добавлены в общее множество схем, и, следовательно, в семантическую карты, и могут быть распознаны в будущем.
Над множеством схем определен оператора равенства:
Две атомарные схемы называются равными, если выполняются следующие условия:
1. Обе схемы распознаны как одна и та же схема на семантической карте.
2. Значения атомарных схем равны или либо хотя бы одно из значений равно значению «любое»;
3. Значение каждой схемы не равно значению «неизвестно».
Две сложные схемы называются равными, если их когнитивные карты равны.
Над множеством отношений определен оператор равенства:
Два отношения называются равными, если тип обоих отношений одинаков, равны все схемы в этих отношения и равны метки этих отношений.
Операция включения одной когнитивной карты в другую принимает значение «истина», тогда и только тогда, когда когнитивная карта a является подкартой когнитивной карты b, т.е. все схемы и отношения карты a содержатся в b.
Операция равенства двух когнитивных карт следует из операции включения:
Операция слияния (также называемая сложением) двух когнитивных карт объединяет две исходные когнитивные карты. Получившаяся карта включат в себя исходные карты.
Результатом операции умножения (или пересечения) двух когнитивных карт является когнитивная карта, которая содержит схемы и связи между ними, присутствующие на обеих иcходных когнитивных картах. Получившаяся карта представляет собой подкарту, которая содержится в исходных картах, позволяя выделять общие схемы и отношения между разными когнитивными картами.
Операция вычитания одной когнитивной карты из другой в качестве результата имеет левую исходную когнитивную карту без схем и связей, содержащихся в правой исходной когнитивной карте. Такая операция позволяет определить уникальные для левой исходной когнитивной карты схемы и отношения.
Операция наложения - это операция совмещения в одной карте нескольких карт, которая позволяет формировать полную информацию об ограниченной части внешней среды как на основании информации о текущей активной карте, так и на основании информации из памяти. Когнитивные карты, которые могут быть релевантными активной когнитивной карте, загружаются из памяти и накладываются на текущую карту. Результатом этой операции является либо обновленная правая исходная когнитивная карта с новой информацией, взятой из левой исходной карты, либо правая исходная когнитивная карта (такой исход означает, что левая исходная когнитивная карта не имеет информации, полезной для правой карты).
1.6 Предлагаемый метод моделирования
В каждый момент времени анимат находится в некоторой области, которой соответствует некоторая когнитивная карта. Такая карта называется активной когнитивной картой. Взаимодействие с окружающей средой заключается в построении когнитивных карт на основе данных из среды и решений к действиям, принимаемых на основе анализа этих карт. Новые когнитивные карты схем и карты, отражающие поведение этих схем, загружаются в память анимата, и будут использовать в будущем для принятия решений и действий. Эмоциональная оценка различных действий высчитывается как разность предыдущим и текущим значениями параметров анимата.
В зависимости от собственного состояния и окружающей среды, анимат может либо целенаправленно выполнять некоторую задачу, либо находиться в состоянии исследовательского поведения.
Целенаправленное выполнение некоторой задачи происходит тогда, когда возникает некоторая опасная ситуация, угрожающая жизни. В таком случае анимат старается избегать присутствовать на когнитивных карт с высокой негативной эмоциональной оценкой.
Когда вокруг анимата «спокойная» обстановка и ему не нужно удовлетворять свои потребности, он занимается исследовательским поведением. «Исследовательское поведение -- это поведение, направленное на познание реальности путем практического взаимодействия с ней» [2]. Экспериментируя с окружающей средой, анимат получает новые знания, который будет использовать в дальнейшем и которые помогут ему лучше адаптироваться к среде.
1.7 Структура системы.
В качестве входных данных программа имитационного моделирования принимает два текстовых файла с описанием начальных параметров внешней среды. Первый текстовый файл является описанием схем и когнитивных карт, которые будут участвовать в имитационном моделировании. Второй текстовый файл задает карту внешней среды и представляет собой массив символов, каждый из которых соответствует некоторой схеме, а также набор пар «имя схемы - символ».
В качестве выходных данных программа выдает графическое поле, на котором в зависимости от месторасположения объектов нарисованы графические представления этих объектов.
2. Конструкторско-технологическая часть
2.1 Технология программирования
Для реализации поставленной задачи наиболее удобной парадигмой программирования будет являться объектно-ориентированная парадигма. Использование этой парадигмы позволит разбить программу на отдельные модули, между которыми будет происходить обмен информацией.
2.2 Выбор языка программирования
Выбранный язык программирования Python является интерпретируемым языком программирования высокого уровня, широко применяющийся для создания программ различной сложности и направленности. Основными плюсами языка Python являются его мультипарадигменность, простой синтаксис и наличие большого количества подключаемых библиотек классов и функций. Мультипарадигменность позволяет реализовывать широкое поле задач разнообразными методами, включая объектно-ориентированную парадигму. Подключаемые библиотеки классов и функций позволяющих сэкономить общее время реализации программного обеспечения и сосредоточиться на основных аспектах поставленной задачи. Простой и прозрачный синтаксис позволяет программисту, даже не знакомому с языком Python, перенести программу на другой язык программирования. Другими словами, язык Python является очень подходящим инструментом для прототипирования программ. Это важно для текущей задачи, поскольку одной из основных задачи является разработка метода представления знаний, который не может быть привязан к тому или иному языку программирования. Одной из используемых в данном проекте библиотек является pygame [29], предоставляющий программисту удобный набор функций и классов для программирования вывода графической информации на экран.
В языке Python также присутствует сборщик мусора (часть интерпретатора языка Python, которая следит за памятью, используемой работающей программой, и удаляет неиспользуемые объекты, высвобождая память из-под них), в отличие от, к примеру, языка C++, что позволяет сосредоточиться на решении возникающих задач и ускорить процесс разработки.
3. Охрана труда
3.1 Основные определения
Охрана труда - система сохранения жизни и здоровья работников в процессе трудовой деятельности, включающая в себя правовые, социально-экономические, организационно-технические, санитарно-гигиенические, лечебно-профилактические, реабилитационные и иные мероприятия.
Условия труда - совокупность факторов производственной среды и трудового процесса, оказывающих влияние на работоспособность и здоровье работника.
Вредный производственный фактор - производственный фактор, воздействие которого на работника может привести к его заболеванию.
Опасный производственный фактор - производственный фактор, воздействие которого на работника может привести к его травме.
Следует очень четко соблюдать требования по санитарным нормативам освещенности в административных, учебных и иных учреждения. Наше зрение напрямую зависит от количества света в помещении и на рабочем месте. От освещенности также зависит здоровье всего организма, сопротивляемость стрессам, усталости, физическим и умственным нагрузкам.
Вопрос освещенности рабочих мест, оборудованных персональными компьютерами (ПЭВМ) коротко, но очень четко изложен в СанПиН 2.2.2/2.4.1340-03 "Гигиенические требования к персональным электронно-вычислительным машинам и организации работы".
Данный документ содержит много интересных разделов, которые должен знать каждый офисный работник, поскольку санитарно-гигиеническое состояние рабочего места касается каждого из нас.
3.2 Требования к освещению на рабочих местах, оборудованных ПЭВМ
1. Рабочие столы следует размещать таким образом, чтобы видеодисплейные терминалы были ориентированы боковой стороной к световым проемам, чтобы естественный свет падал преимущественно слева.
2. Искусственное освещение в помещениях для эксплуатации ПЭВМ должно осуществляться системой общего равномерного освещения. В производственных и административно-общественных помещениях, в случаях преимущественной работы с документами, следует применять системы комбинированного освещения (к общему освещению дополнительно устанавливаются светильники местного освещения, предназначенные для освещения зоны расположения документов).
3. Освещенность на поверхности стола в зоне размещения рабочего документа должна быть 300 - 500 лк. Освещение не должно создавать бликов на поверхности экрана. Освещенность поверхности экрана не должна быть более 300 лк.
4. Следует ограничивать прямую блесткость от источников освещения, при этом яркость светящихся поверхностей (окна, светильники и др.), находящихся в поле зрения, должна быть не более 200 кд/м2.
5. Следует ограничивать отраженную блесткость на рабочих поверхностях (экран, стол, клавиатура и др.) за счет правильного выбора типов светильников и расположения рабочих мест по отношению к источникам естественного и искусственного освещения, при этом яркость бликов на экране ПЭВМ не должна превышать 40 кд/м2 и яркость потолка не должна превышать 200 кд/м2.
6. Показатель ослепленности для источников общего искусственного освещения в производственных помещениях должен быть не более 20.
Показатель дискомфорта в административно-общественных помещениях не более 40, в дошкольных и учебных помещениях не более 15.
7. Яркость светильников общего освещения в зоне углов излучения от 50 до 90 градусов с вертикалью в продольной и поперечной плоскостях должна составлять не более 200 кд/м2, защитный угол светильников должен быть не менее 40 градусов.
8. Светильники местного освещения должны иметь не просвечивающий отражатель с защитным углом не менее 40 градусов.
9. Следует ограничивать неравномерность распределения яркости в поле зрения пользователя ПЭВМ, при этом соотношение яркости между рабочими поверхностями не должно превышать 3:1 - 5:1, а между рабочими поверхностями и поверхностями стен и оборудования 10:1.
10. В качестве источников света при искусственном освещении следует применять преимущественно люминесцентные лампы типа ЛБ и компактные люминесцентные лампы (КЛЛ). При устройстве отраженного освещения в производственных и административно-общественных помещениях допускается применение металлогалогенных ламп. В светильниках местного освещения допускается применение ламп накаливания, в том числе галогенные.
11. Для освещения помещений с ПЭВМ следует применять светильники с зеркальными параболическими решетками, укомплектованными электронными пуско-регулирующими аппаратами (ЭПРА). Допускается использование многоламповых светильников с электромагнитными пуско-регулирующими аппаратами (ЭПРА), состоящими из равного числа опережающих и отстающих ветвей.
Применение светильников без рассеивателей и экранирующих решеток не допускается.
При отсутствии светильников с ЭПРА лампы многоламповых светильников или рядом расположенные светильники общего освещения следует включать на разные фазы трехфазной сети.
12. Общее освещение при использовании люминесцентных светильников следует выполнять в виде сплошных или прерывистых линий светильников, расположенных сбоку от рабочих мест, параллельно линии зрения пользователя при рядном расположении видеодисплейных терминалов. При периметральном расположении компьютеров линии светильников должны располагаться локализовано над рабочим столом ближе к его переднему краю, обращенному к оператору.
13. Коэффициент запаса (Кз) для осветительных установок общего освещения должен приниматься равным 1,4.
14. Коэффициент пульсации не должен превышать 5%.
15. Для обеспечения нормируемых значений освещенности в помещениях для использования ПЭВМ следует проводить чистку стекол оконных рам и светильников не реже двух раз в год и проводить своевременную замену перегоревших ламп.
Освещенность измеряется в Лк - люксах; 1 люмен/м. кв. (люмен Lm - единица величины светового потока). В Европейских нормах освещенности для ряда помещений введен еще один нормируемый параметр: для рабочих мест, оснащенных мониторами, устанавливаются требования к максимальной яркости тех поверхностей светильников, которые могут отражаться в экранах.
3.3 Требования к качеству восприятия информации, отображаемой на дисплеях
Согласно ГОСТ Р 50948-2001, для точного считывания информации и обеспечения комфортных условий ее восприятия работа с дисплеями должна проводиться при таких сочетаниях значений яркости и контраста изображения, внешней освещенности экрана, углового размера знака и угла наблюдения экрана, которые входят в оптимальные или предельно допустимые (при кратковременной работе) диапазоны.
Неравномерность яркости рабочего поля экрана должна быть не более 20 %.
Расчет неравномерности яркости рабочего поля экрана:
Lцентр = 598 кд/м2
Lлево-верх = 599 кд/м2
Lлево-низ = 597 кд/м2
Lправо-верх = 600 кд/м2
Lправо-низ = 598 кд/м2
= 598,4 кд/м2;
Неравномерность яркости рабочего поля экрана -
Неравномерность яркости элементов знака должна быть не более 20 %.
Расчет неравномерности яркости элементов знаков плоских дискретных экранов:
L'1 = 600 кд/м2
L'2 = 597 кд/м2
L'3 = 599 кд/м2
L'4 = 588 кд/м2
L'5 = 598 кд/м2
L'6 = 599 кд/м2
L'7 = 597 кд/м2
= 598,285 кд/м2;
Неравномерность яркости элементов знаков плоских дискретных экранов -
Угол наблюдения экрана оператором относительно горизонтальной линии взгляда не должен превышать 60?.
Внешняя освещенность экрана должена быть не менее 100 и не более 250 лк.
Угловой размер знака должен быть не менее 16 и не более 60 угл.мин.
3.4 Эргономические требования к цветовым параметрам
Согласно ГОСТ Р 50948-2001, выделяют следующие требования к цветовым параметрам:
1. При необходимости распознавания или идентификации цветовых параметров прикладная программа должна предлагать устанавливаемый по умолчанию набор цветов, который соответствует требованиям настоящего стандарта. Если цвет может быть изменен пользователем, то должна быть предусмотрена возможность восстановления назначенного по умолчанию набора цветов.
2. При необходимости точной идентификации цвета в рядах буквенно-цифровых знаков и в полях ввода данных высота символа должна быть не менее 20ў при проектном расстоянии наблюдения.
3. При необходимости точной идентификации цвета обособленного изображения (например знака или символа) угловой размер изображения должен быть не менее 30ў при проектном расстоянии наблюдения (предпочтительно - 40ў).
4. Следует избегать применения насыщенного синего цвета для изображений, имеющих угловой размер менее 2°.
5. Для чтения текстов, буквенно-цифровых знаков и символов при отрицательной полярности изображения не следует применять синий и красный цвета спектра на темном фоне и красный цвет спектра на синем фоне.
6. Для чтения текстов, буквенно-цифровых знаков и символов при положительной полярности изображения не следует применять синий цвет спектра на красном фоне.
7. Насыщенные крайние цвета видимого спектра приводят к нежелательным эффектам глубины изображаемого пространства и не должны применяться для изображений, которые требуют непрерывного просмотра или чтения.
8. Для точного распознавания и идентификации цветов должны применяться цветное изображение переднего плана на ахроматическом фоне или ахроматическое изображение переднего плана на цветном фоне.
9. Число цветов, одновременно отображаемых на экране дисплея, должно быть минимальным. Для точной идентификации цвета каждый заданный по умолчанию набор цветов должен включать не более 11 цветов.
10. При необходимости проведения быстрого поиска, основанного на распознавании цветов, следует применять не более 6 различных цветов.
11. При необходимости вызова параметров цвета из памяти ЭВМ следует применять не более 6 различных цветов.
3.5 Требования безопасности к визуальным параметрам
Согласно ГОСТ Р 50948-2001, выделяют следующие требования безопасности к визуальным параметрам:
1. Яркость знака должна быть не менее 35 кд/м2 для дисплеев на ЭЛТ и не менее 20 кд/м2 для плоских дискретных экранов.
2. Яркостный контраст изображения должен быть не менее 3:1 (для плоских дискретных экранов при угле наблюдения от минус 40° до плюс 40°). Яркостный контраст внутри знака и между знаками должен быть не менее 3:1.
3. Ширина контура знака должна быть от 0,25 до 0,5 мм.
4. Степень несведения цветов в любом месте многоцветного экрана для дисплеев на ЭЛТ должна быть не более 3,4ў при проектном расстоянии наблюдения.
Примечание - Если в документации на дисплей не оговорено проектное расстояние наблюдения, то его принимают равным 50 см для дисплеев с размером экрана по диагонали 14" - 17" и 75 см - для экранов 19" - 21".
5. Временная нестабильность изображения (мелькания) для дисплеев на ЭЛТ и на плоских дискретных экранах не должна быть зафиксирована. Для дисплеев на ЭЛТ частота обновления изображения должна быть не менее 75 Гц при всех режимах разложения, гарантируемых нормативной документацией на конкретный тип дисплея и не менее 60 Гц для дисплеев на плоских дискретных экранах.
6. Амплитуда смещения изображения (пространственная нестабильность изображения - дрожание) должна быть не более 2Ч10-4l, где l - проектное расстояние наблюдения, мм.
3.6 Искажения изображения по рабочему полю
информация нейронный дисплей
Согласно ГОСТ Р 50949-2001, выделяют следующие требования и методы измерений и оценки пространственных искажений изображений по рабочему полю:
1. Изменение размеров однотипных знаков по рабочему полю должно быть в пределах ±5 % высоты знака.
2. Максимальная разность длин строк текста на рабочем поле должна быть не более 2 % средней длины строки.
3. Максимальная разность длин столбцов текста на рабочем поле должна быть не более 2 % средней длины столбца.
4. Отклонение формы рабочего поля от прямоугольника определяют по следующим формулам:
по вертикали
по горизонтали
по диагонали
где Н1, H2, B1, B2, D1 и D2 - значения длин крайнего левого и крайнего правого столбца, верхней, нижней строки и диагоналей на рабочем поле соответственно, мм.
Для текущего рабочего места и монитора получены следующие параметры:
Крайний левый столбец (H1) - 1080 мм;
Крайний правый столбец (H2) - 1080 мм;
Верхняя строка (B1) - 620 мм;
Нижняя строка (B2) - 620 мм;
Диагонали (D1, D2) - 1240 мм;
По вертикали:
По горизонтали:
По диагонали:
Полученные данные соответствуют требованиям ГОСТ Р 50949-2001.
3.7 Требования безопасности к параметрам создаваемых полей
Согласно ГОСТ Р 50948-2001, выделяют следующие требования безопасности к параметрам создаваемых полей:
1. Электростатический потенциал экрана дисплеев на ЭЛТ должен быть не более ±500 В.
2. Напряженность электрической составляющей переменного электромагнитного поля дисплея должна быть не более:
25 В/м - в диапазоне частот от 5 Гц до 2 кГц (для дисплеев на ЭЛТ - в точке, расположенной по нормали к центру экрана на расстоянии 0,5 м от экрана дисплея, а для дисплеев портативных компьютеров - в точке, расположенной по нормали к центру экрана на расстоянии 0,4 м от центра клавиатуры портативного компьютера);
2,5 В/м - в диапазоне частот от 2 до 400 кГц (для дисплеев на ЭЛТ - в точках, имеющих координаты 0°, 90°, 180°, 270° на расстоянии r = a/2 + 0,5 м, где а - габаритный размер дисплея, измеряемый по нормали к центру экрана. Для дисплеев портативных компьютеров - в точках, имеющих те же координаты, но на расстоянии 0,4 м от центра клавиатуры портативного компьютера).
3. Плотность магнитного потока должна быть не более:
250 нТл - в диапазоне частот от 5 Гц до 2 кГц;
25 нТл - в диапазоне частот от 2 до 400 кГц.
Плотность магнитного потока переменного электромагнитного поля дисплея на ЭЛТ устанавливают для обоих диапазонов частот в 48 точках (в горизонтальной плоскости, проходящей через центр экрана, а также в горизонтальных плоскостях, расположенных на 0,3 м выше и ниже указанной плоскости) через 22°30ў от нормали к центру экрана, на расстоянии r = a/2 + 0,5 м, где а - габаритный размер дисплея по нормали к центру экрана. Плотность магнитного потока переменного электромагнитного поля дисплея портативного компьютера устанавливают для обоих диапазонов частот в тех же 48 точках, но на расстоянии r = a/2 + 0,4 м от центра клавиатуры портативного компьютера.
3.8 Требования к конструкции
Согласно ГОСТ Р 50948-2001, выделяют следующие требования к конструкции дисплея:
1. Конструкция дисплея должна обеспечивать возможность фронтального наблюдения изображения на экране путем поворота корпуса дисплея вокруг вертикальной оси на ±30° и вокруг горизонтальной оси в пределах от плюс 30° до минус 15° с фиксированием дисплея в заданном положении.
2. Корпус дисплея должен быть окрашен в мягкие тона. Корпус дисплея, клавиатура и другие устройства персонального компьютера должны иметь матовую (диффузно отражающую) поверхность одного цвета и не иметь блестящих деталей, способных создавать блики.
3. На лицевой стороне корпуса дисплея не рекомендуется располагать органы управления. При необходимости расположения органов управления на лицевой панели они должны быть закрыты крышкой или утоплены в корпусе.
4. Конструкция дисплея должна предусматривать наличие органов регулирования яркости и контраста.
5. Конструкция дисплея должна обеспечивать максимально возможное снижение уровней электростатического и электромагнитного полей.
6. Если в комплект поставки дисплея входит защитный фильтр-экран, то этот фильтр должен быть сертифицирован на соответствие требованиям ГОСТ Р 51658.
Заключение
Расчет параметров рабочего места и дисплея на рабочем месте, проведенный согласно ГОСТ Р 50948-2001 и ГОСТ Р 50949-2001, показал, что конструкция дисплея и организация рабочего места соответствует СанПиН 2.2.2/2.4.1340-03 и требованиям, заявленным в ГОСТ Р 50948-2001, таким образом, меры охраны труда соответствуют безопасной и комфортной работе на данном рабочем месте.
4. Экологическая часть
Cтандарт ГОСТ Р 54148-2010 - «Воздействие на человека электромагнитных полей от бытовых аналогичных электрических приборов. Методы оценки и измерений» применяется при оценке воздействия на человека электромагнитных полей и устанавливает методы определения параметров электрических и магнитных полей, создаваемых бытовыми и аналогичными электрическими приборами в пространстве вокруг указанных приборов на частотах до 300 ГГц.
Указанные методы применяют также при оценке воздействия на человека электромагнитных полей от электрических приборов, не предназначенных для эксплуатации в бытовых условиях, но которые, тем не менее, могут быть доступны широкому кругу лиц, например, приборов, предназначенных для использования неспециалистами в магазинах, на предприятиях легкой промышленности и в сельском хозяйстве
4.1 Термины и определения
В стандарте ГОСТ Р 54148-2010 применены следующие определения:
1. Основное ограничение: физическая величина, принятая для установления допустимого воздействия на человека изменяющихся во времени электрических и магнитных полей, непосредственно определяемая их влиянием на здоровье человека.
2. Опорный уровень: среднеквадратическое значение напряженности однородного магнитного поля, полученные исходя из основного ограничения, воздействию которого человек, может подвергаться без неблагоприятных последствия для здоровья.
3. Измерительное расстояние: расстояние между поверхностью прибора и ближайшей точной поверхности датчика.
4. Расстояние до оператора: расстояние между поверхностью прибора и ближайшей точкой головы или туловища оператора.
5. Участок повышенной магнитной индукции: локальная область сильного магнитного поля, обусловленная неоднородностью его распределения.
6. Коэффициент связи: коэффициент, учитывающий неоднородности магнитного поля вокруг приборов и размеры частей человеческого тела.
7. Магнитная индукция: векторная величина, являющаяся характеристикой магнитного поля, действующего на заряженную частицу.
8. Коэффициент удельного поглощения энергии SAR Вт/кг: производная по времени электромагнитной энергии, рассеиваемой элементом некоторой массы, содержащимся в одном элементе некоторого объема при данной плотности.
9. Суммарная стандартная неопределенность: стандартная неопределенность результата измерений, полученного через значения других величин, равная положительному квадратному корню суммы членов, причем члены являются дисперсиями или ковариациями этих других величин, взвешенными в соответствии с тем, как результат измерений изменяется при изменении этих величин.
4.2 Методы измерений
Согласно ГОСТ Р 54148-2010, используют следующие методы измерений для различных явлений:
1. Параметры электрического поля вблизи бытовых и аналогичных электрических приборов в общем случае не определяют. Для большинства приборов считают, что напряженность электрического поля не превышает опорный уровень, без выполнения соответствующих измерений.
2. Для магнитных полей рассматриваются полосы частот от 10 Гц до 400 кГц. На частотах выше 400 кГц бытовые и аналогичные электрические приборы считают удовлетворяющими требованиям данному стандарта. В ином случае необходимо включить все частоты магнитных полей в полосу частот при оценки магнитного поля, в том числе достаточное число гармоник.
Максимально допустимый уровень шума для измерительного прибора должен составлять 5% предельного значения. Измерения значения ниже максимально допустимого уровня шума, не учитывают. Уровень внешних магнитных полей должен составлять менее 5% предельного значения.
4.3 Критерии соответствия
1. Согласно ГОСТ Р 54148-2010, бытовые и аналогичные электрические приборы считают удовлетворяющими базовому ограничению, если отсутствует превышение опорных уровней.
2. Если значение превышает опорный уровень, то для демонстрации соответствия базовому ограничению допускается учитывать коэффициент связи.
3. Коэффициент связи установлен так, чтобы учесть наихудший случай создания поля приборами конкретного вида.
4. Если значение по-прежнему превышает опорный уровень, это не обязательно означает, что превышено базовое ограничение. В этом случае допускается применение расчетных методов, позволяющих проверить, соблюдено ли это ограничение.
Заключение
Бытовые и аналогичные электрические приборы необходимо проверять на соответствие нормам воздействия электромагнитных полей на человека, установленным согласно ГОСТ Р 54148-2010. Организация текущего рабочего места соответствует данным нормам согласно критерию 1.
5. Решение задачи на ЭВМ
5.1 Структура классов
Класс Animat - это класс, представляющий анимата во внешней среде. На каждой итерации имитационного моделирования в качестве входных данных он получает когнитивные карты схем и координаты во внешнем мире этих схем, и принимает решение о некотором действии. Каждый анимат содержит когнитивную карту с путевыми или структурными отношениями, активную когнитивную карту и память о распознанных схемах и поведении этих схем.
Класс BehaviourMemory реализует память некоторого анимата о поведении схем во внешнем мире. Содержит известные когнитивные карты, описывающие поведение распознанных схем. Позволяет запрашивать когнитивные карты по индексу схемы, добавлять и изменять когнитивные карты.
Класс Cache реализует память быстрого доступа, которая содержит когнитивные карты, которые предположительно будут нужны анимату. Позволяет добавлять, запрашивать и удалять когнитивные карты.
Класс CognitiveMap реализует когнитивную карту. Позволяет выделять слои, находить, добавлять и удалять схемы и отношения. Также поддерживает операции над когнитивными картами.
Класс ConfigParser обрабатывает входные данные о внешней среде, генерируя нужные схемы, отношения и когнитивные карты, и загружает их в класс WorldMap.
Класс EmotionCost реализует эмоциональные оценки.
Класс PathMap реализует карту путей некоторого анимата. Позволяет возвращать p-слои когнитивных карт схем по заданному индексу, когнитивные карты, близкие к активной когнитивной карте.
Класс Relation реализует отношение между некоторыми схемами.
Класс RenderApp на каждой итерации работы программы реализует вывод графической информации. В качестве входной информации принимает массив объектов класса WorldObject.
Класс SemanticMap реализует семантическую карту. Позволяет добавлять схемы, распознавать новые и старые схемы, возвращать c-слои когнитивных карт схем по заданному индексу.
Класс Scheme реализует некоторую схему. Каждой схеме сопоставляется уникальный индекс, по которому можно будет получить информацию о ней из объектов классов PathMap, SemanticMap и BehaviourMemory.
Класс WorldMap - класс для хранения информации о внешней среде и обработки действий, в которой будут действовать аниматы. Содержит массив объектов класса WorldObject.
Класс WorldObject содержит некоторую схему и ее графическое представление, используемое для графического вывода классов RenderApp.
5.2 Пример функционирования
Запуск программы производится с помощью терминала. В качестве параметров программы необходимо указать входные файлы с информацией о внешней среде. После запуска программа загружает данные из переданных файлов, выводя общую информацию о считанных данных в терминал, и запускает графический интерфейс, представляющий собой поле, на которое выводятся графические представления считанных из входных файлов схем. Управление процессом имитационного моделирования осуществляется с помощью команд, вводимых в терминал. С помощью команд также возможно вывести информацию о любых схемах, присутствующих во внешней среде, а также остановить или перезапустить процесс имитационного моделирования.
Выводы
Была разработана модель представления знаний на основе когнитивных карт, и реализовано программное обеспечение для имитационного моделирования поведения искусственных животных - аниматов - на основе предложенного метода. Данная модель обладает рядом недостатков - не рассмотрены способы обобщения информация и объединения похожих объектов в единые классы объектов и не рассмотрены методы представления знаний, изменяющихся во времени. Данные две проблемы будут рассмотрены в будущих исследованиях.
Список литературы
[1] У. Найссер. Познание и реальность. М.: Прогресс, 1981.
[2] Когнитивная психология. Учебник для вузов. / Под редакцией В.Н. Дружинина, Д.В. Ушакова. - М.: ПЕРСЭ, 2002.
[3] Когнитивная психология / Р. Солсо. -- 6-е изд. -- СПб.: Питер, 2011. -- 589 с.:ил. -- (Серия «Мастера психологии»).
[4] С. Хайкин. Нейронные сети: полный курс, 2-е изд., испр.: Пер. с англ. -- М.: ООО "И.Д. Вильямс", 2006. -- 1104 с.: ил. -- Парал. тит. англ.
[5] Анализ данных и процессов: учеб. пособие / А.А. Барсегян, М.С. Куприянов, И.И. Холод, М.Д. Тесс, С.И. Елизаров, 3-е изд., перераб. и. доп. -- СПб.:БХВ-Петербург, 2009, 512 с., ил. + CD-ROM - (Учебная литература для вузов), 2009.
[6] Дж.Ф. Люгер. Искусственный интеллект: стратегии и методы решения сложных проблем, 4-е издание. / Пер. с англ. - М.: Издательский дом «Вильямс», 2003.
[7] Л. Рутковский. Методы и технологии искусственного интеллекта. / Пер. с польск. И.Д. Рудинского. - М.: Горячая линия-Телеком, 2010.
[8] S.J. Russel, P. Norvig P. Artificial Intelligence - A Modern Approach. 3rd edition, Prentice Hall. 2010.
[9] http://www.keldysh.ru/pages/BioCyber/RT/Nepomn.htm
[10] http://rk6.bmstu.ru/electronic_book/iisapr/AI.html
[11] M. Minsky, MIT-AI Laboratory Memo 306, June, 1974. http://web.media.mit.edu/~minsky/papers/Frames/frames.html
[12] О. Оре. Теория графов. - 2е изд. - М.: Наука Главная редакция физико-математической литературы, 336 с., 1980.
[13] John F. Sowa http://www.jfsowa.com/pubs/semnet.htm
[14] John F. Sowa - http://www.jfsowa.com/cg/cg_hbook.pdf
[15] http://news.cnet.com/8301-17938_105-20005170-1.html
[16] http://spectrum.ieee.org/automaton/robotics/artificial-intelligence/how-google-self-driving-car-works
[17] http://news.discovery.com/tech/robotics/military-robots-to-patrol-world-cup-130516.htm
[18] http://www.humanbrainproject.eu/
[19] https://www.groksolutions.com/htm-overview/education/HTM_CorticalLearningAlgorithms.pdf
[20] http://www.forbes.com/sites/bruceupbin/2013/02/08/ibms-watson-gets-its-first-piece-of-business-in-healthcare/
[21] http://www.spiderland.org/
[22] http://digilander.libero.it/darwinbots/
[23] http://digihive.pl/
[24] https://sites.google.com/site/ecosimgroup/research/ecosystem-simulation
[25] http://stauffercom.com/evolve4/
[26] http://www.framsticks.com/
[27] http://ccl.northwestern.edu/netlogo/
[28] http://shinyverse.org/larryy/Polyworld.html
[29] http://www.pygame.org/
[30] ГОСТ Р 54148-2010
[31] ГОСТ 12.1.002-84
[32] ГОСТ 12.1.006-84
[33] ГОСТ Р 50948-96
[34] СНиП 11-4-79
[35] СанПиН 2.2.2/2.4.1340-03
Размещено на Allbest.ru
Подобные документы
Математическая модель искусственной нейронной сети. Структура многослойного персептрона. Обучение без учителя, методом соревнования. Правило коррекции по ошибке. Метод Хэбба. Генетический алгоритм. Применение нейронных сетей для синтеза регуляторов.
дипломная работа [1,5 M], добавлен 17.09.2013Выявление закономерностей и свойств, применимых в искусственной нейронной сети. Построение графиков и диаграмм, определяющих степень удаленности между объектами. Моделирование, тестирование и отладка программной модели, использующей клеточный автомат.
дипломная работа [4,1 M], добавлен 25.02.2015Обучение простейшей и многослойной искусственной нейронной сети. Метод обучения перцептрона по принципу градиентного спуска по поверхности ошибки. Реализация в программном продукте NeuroPro 0.25. Использование алгоритма обратного распространения ошибки.
курсовая работа [1019,5 K], добавлен 05.05.2015Преимущества нейронных сетей. Модели нейронов, представляющих собой единицу обработки информации в нейронной сети. Ее представление с помощью направленных графов. Понятие обратной связи (feedback). Основная задача и значение искусственного интеллекта.
реферат [1,2 M], добавлен 24.05.2015Представление знаний в когнитологии, информатике и искусственном интеллекте. Связи и структуры, язык и нотация. Формальные и неформальные модели представления знаний: в виде правил, с использованием фреймов, семантических сетей и нечетких высказываний.
контрольная работа [29,9 K], добавлен 18.05.2009История появления термина "искусственный интеллект". Приоритетные направления его применения: генерация речи, обработка визуальной информации. Нейронные, байесовы, иммунные сети, теории хаоса - примеры реализации современных интеллектуальных систем.
реферат [27,2 K], добавлен 14.01.2011Проблема представления знаний в компьютерных системах – одна из основных проблем в области искусственного интеллекта. Исследование различных моделей представления знаний. Определения их понятия. Разработка операции над знаниями в логической модели.
курсовая работа [51,9 K], добавлен 18.02.2011Разработка алгоритма и программы для распознавания пола по фотографии с использованием искусственной нейронной сети. Создание алгоритмов: математического, работы с приложением, установки весов, реализации функции активации и обучения нейронной сети.
курсовая работа [1,0 M], добавлен 05.01.2013Описание структурной схемы искусственного нейрона. Характеристика искусственной нейронной сети как математической модели и устройств параллельных вычислений на основе микропроцессоров. Применение нейронной сети для распознавания образов и сжатия данных.
презентация [387,5 K], добавлен 11.12.2015Математическая модель нейронной сети. Однослойный и многослойный персептрон, рекуррентные сети. Обучение нейронных сетей с учителем и без него. Алгоритм обратного распространения ошибки. Подготовка данных, схема системы сети с динамическим объектом.
дипломная работа [2,6 M], добавлен 23.09.2013