Предупреждение возникновения критических ситуаций в сложных технических системах с использованием нейроморфного подхода

Предупреждение возникновения критических ситуаций в сложных технических системах с использованием нейроморфного подхода

Демчева Александра Андреевна
Центральный научно-исследовательский и опытно-конструкторский институт робототехники и технической кибернетики (ЦНИИ РТК), программист, 194064, Санкт-Петербург, Тихорецкий пр., д. 21, Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра., ORCID: 0000-0002-1208-6353

Корсаков Антон Михайлович
ЦНИИ РТК, с.н.с., 194064, Санкт-Петербург, Тихорецкий пр., д. 21, Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра., ORCID: 0000-0002-6132-7504

Фомин Иван Сергеевич, ЦНИИ РТК, м.н.с., 194064, Санкт-Петербург, Тихорецкий пр., д. 21, Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра., ORCID: 0000-0001-9066-4836

Бахшиев Александр Валерьевич
к.т.н., Санкт-Петербургский политехнический университет Петра Великого (СПбПУ), доцент Высшей школы Автоматизации и робототехники, 195251, Санкт-Петербург, ул. Политехническая, д. 29, Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра., ORCID: 0000-0002-1284-0088

Смирнова Екатерина Юрьевна
ЦНИИ РТК, заместитель руководителя НИЦ, 194064, Санкт-Петербург, Тихорецкий пр., д. 21, Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.

Материал поступил в редакцию 6 июня 2023 года.

Аннотация
В настоящей работе предлагается система предупреждения критических ситуаций, основанная на применении нейроморфного подхода. Данная система включает в себя блок прогнозирования (предиктор), реализующий математическую модель прогностических функций мозжечка, и блок тревожной сигнализации, реализующий модель болевых ощущений, предложенную авторами ранее. При реализации системы использовалась сегментная спайковая модель нейрона (Compartmental spiking neuron model, CSNM), способная к обучению на небольшом количестве примеров. Использование нейроморфного подхода позволяет преодолеть ограничения, связанные со сложностью формализации диагностируемых систем и низкой доступностью данных для моделирования протекающих в них процессов. Преодоление данных ограничений возможно благодаря способности к обучению на небольшом количестве примеров и отсутствию необходимости моделирования самой диагностируемой системы. В работе приведены результаты тестирования предложенной схемы на компьютерной модели с использованием синтетических данных. По результатам эксперимента была показана принципиальная применимость предложенной схемы в нейроморфных системах управления.

Ключевые слова
Сегментная спайковая модель нейрона; нейроморфная система; предиктор; модель мозжечка; модель болевых ощущений; контроль состояния системы.

Благодарности
Работа проводилась в рамках выполнения в ЦНИИ РТК государственного задания Минобрнауки России на 2023 год: «Исследование и разработка биоподобной системы управления поведением мобильных роботов на базе энергоэффективных программно-аппаратных нейроморфных средств» (FNRG-2022-0016 1021060307690-3-1.2.1;2.2.2).

DOI
10.31776/RTCJ.11405

Индекс УДК 
004.896

Библиографическое описание

Предупреждение возникновения критических ситуаций в сложных технических системах с использованием нейроморфного подхода / А.А. Демчева [и др.] // Робототехника и техническая кибернетика. – Т. 11. - № 4. – Санкт-Петербург : ЦНИИ РТК. – 2023. – С. 281-291. – Текст : непосредственный.

Литература

  1. Цветков В.Я. Сложные технические системы // Образовательные ресурсы и технологии. – 2017. – № 3 (20). – С. 86-92. – DOI: 10.21777/2500-2112-2017-3-86-92. – Текст: электронный.
  2. Behavioral functions implementation on spiking neural networks / A. Korsakov [et al.] // Informatics and Automation. – 2021. – Т. 20. – N 3. – C. 591-622. – Text: unmediated.
  3. Demcheva A. Simulating of pain perceptions for solving binary classification problems / A. Demcheva, A. Korsakov, A. Bakhshiev // XXIV Международная научно-техническая конференция «НЕЙРОИНФОРМАТИКА-2022»: сборник научных трудов. – Москва: МФТИ, 2022. – Т. 1. – C. 355-361. – Текст: непосредственный.
  4. Popa L.S. Cerebellum, Predictions and Errors / Popa L.S., Ebner T.J. // Frontiers in Cellular Neuroscience. – 2019. – Т. 12. – DOI: 10.3389/fncel.2018.00524. – Text: electronic.
  5. Bastian A.J. Structure and function of the cerebellum / A.J. Bastian, W.T. Thach // The Cerebellum and its Disorders. – Cambridge University Press, 2001. – Pp. 49-66. – Text: unmediated.
  6. Molinari M. The Implementation of Predictions During Sequencing / Molinari M., Masciullo M. // Frontiers in Cellular Neuroscience. – 2019. – Т. 13. – Text: unmediated.
  7. Патент № 415672 SU, МПК G06G 7/30(2006.01). Экстраполятор: № 1676140/18-24: заявл. 07.02: опубл. 1974.02.15 / Романов С.П.; заявитель Институт физиологии им. И.П. Павлова. – 2 с.: ил. – Текст: непосредственный.
  8. Bakhshiev A. Mathematical Model of the Impulses Transformation Processes in Natural Neurons for Biologically Inspired Control Systems Development / A. Bakhshiev, F. Gundelakh // AIST. – 2015. – Text: unmediated.
  9. Bakhshiev A. CSNM: The Compartmental Spiking Neuron Model for Developing Neuromorphic Information Processing Systems / A. Bakhshiev, A. Demcheva, L. Stankevich // Advances in Neural Computation, Machine Learning, and Cognitive Research V: Studies in Computational Intelligence / eds. B. Kryzhanovsky [et al.]. – Cham: Springer International Publishing, 2022. – Vol. 1008. – CSNM. – P. 327-333. – Text: unmediated.
  10. Melzack R. Pain mechanisms: a new theory / Melzack R., Wall P.D. // Survey of Anesthesiology. – 1967. – Vol. 11. – Pain mechanisms. – No. 2. – Pp. 89-90. – Text: unmediated.
  11. Структурная адаптация сегментной спайковой модели нейрона / Бахшиев A.В. [и др.] // VII Всероссийская конференция «Нелинейная динамика в когнитивных исследованиях»: труды. – Нижний Новгород, 2021. – C. 30-33. – Текст: непосредственный.
  12. The architecture of a software platform for growing spiking neural networks simulator developing / A. Bakhshiev [et al.] // Journal of Physics: Conference Series. – 2020. – Т. 1679. – Pp. 042001. – Text: unmediated.

 Полный текст статьи (pdf)