Перспективы применения систем образной обработки информации для решения задач распознавания сложных объектов и формирования динамической модели внешней среды робота

А.В.Бахшиев

Современные интеллектуальные системы успешно решают широкий спектр задач связанных с управлением робототехническими системами и распознаванием образов. Как правило такие системы узкоспециализированы и разрабатываются под конкретную задачу. Кроме того, хотя на этапах восприятия информации и ее первичной обработки технические системы во многом превосходят возможности живых организмов, на дальнейших стадиях они существенно уступают биологическим [1]. Наиболее остро эта проблема стоит для систем призванных работать в слабодетерминированной среде, таких как интеллектуальные мобильные роботы.

Pattern processing of information systems using prospects for compound objects recognition and dynamic model of robots environment creation.

 A. Bakhshiev

Современные системы технического зрения (СТЗ) вполне соответствуют системам зрения живых организмов на этапе восприятия зрительной информации и даже в значительной степени превосходят возможностью работать в более широком диапазоне частот и с большей чувствительностью. Аналогичная ситуация наблюдается и во всех остальных типах сенсорных систем. Также решена задача первичной обработки информации – выделения объектов и их признаков, однако на этапе дальнейшей обработки технические системы существенно уступают биологическим.

Можно предположить, что это связано в первую очередь с уходом от образного представления информации к символьной (цифровой) информации о признаках объектов среды. В живых организмах образное представление и хранение информации играет основополагающую роль в формирования модели среды, в оценке ситуаций и принятии решений, планировании поведения и его реализации, включая использование при этом интуиции и творческого подхода.

         Важным этапом в создании интеллектуальных систем должно быть создание моделей нейронных систем образной обработки сенсорной информации, и разработка многоуровневой образной ассоциативной памяти.

В книге подробно описан принцип минимальной длины описания, являющийся следствием теоретико-информационного подхода к построению моделей и выбору гипотез. Этот принцип становится все более популярным при решении сложных задач автоматического анализа данных, традиционно относившихся к области искусственного интеллекта. Рассмотрены задачи распознавания образов, машинного восприятия и грамматического и логического вывода, для которых использование принципа минимальной длины описания уже позволило достичь заметно более эффективных решений. На конкретных примерах демонстрируется возможность разработки унифицированного подхода к решению указанных задач. Книга предназначена для широкого круга читателей: студентов, молодых ученых и специалистов, – интересующихся компьютерными науками и, в частности, искусственным интеллектом.