Книжная полка Сохранить
Размер шрифта:
А
А
А
|  Шрифт:
Arial
Times
|  Интервал:
Стандартный
Средний
Большой
|  Цвет сайта:
Ц
Ц
Ц
Ц
Ц

Интеллектуальные системы обработки сенсорной информации и управления

Покупка
Новинка
Артикул: 897019.01.99
Доступ онлайн
1 551 ₽
В корзину
Соответствует образовательному стандарту дисциплины ДН-10 («Интеллектуальные технологии и представление знаний»). Рассмотрены интеллектуальные системы и средства их реализации, а также их применение в системах обработки сенсорной информации и управления. Описаны продукционные, нейросетевые, нейроморфные и гибридные средства обработки информации. Показано использование традиционных нейронных сетей для фильтрации изображений, кластеризации потоковой информации и управления мобильными роботами. Рассмотрено применение гибридных нейро-нечетких средств для управления роботами и применение глубоких нейронных сетей для сегментации и классификации изображений, а также интеллектуального управления роботами. Показаны модели спайковых нейронов и их применение для бесконтактного управления роботизированными устройствами по сигналам активности головного мозга. Акцент сделан на современных тенденциях применения нейро-нечетких средств, глубоких нейронных сетей и нейроморфных средств для решения сложных задач обработки многоканальной сенсорной информации и изображений, а также управления мобильными роботами в среде с неподвижными и движущимися препятствиями. Пособие предназначено для студентов вузов, обучающихся по направлению подготовки 27.00.00 «Управление в технических системах». Табл. 4. Ил. 50. Библиогр.: 30 назв.
Интеллектуальные системы обработки сенсорной информации и управления : учебное пособие / В.А. Сушников, Л. А. Станкевич, Л. В. Черненькая, А. В. Черненький. - Санкт-Петербург : ПОЛИТЕХ-ПРЕСС, 2026. - 138 с. - ISBN 978-5-7422-9378-1. - Текст : электронный. - URL: https://znanium.ru/catalog/product/2286840 (дата обращения: 18.11.2026). – Режим доступа: по подписке.
Фрагмент текстового слоя документа размещен для индексирующих роботов
Санкт-Петербург
Министерство науки и высшего образования Российской Федерации
САНКТ-ПЕТЕРБУРГСКИЙ 
ПОЛИТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ ПЕТРА ВЕЛИКОГО
Институт компьютерных наук и кибербезопасности
Высшая школа компьютерных технологий и информационных систем
ИНТЕЛЛЕКТУАЛЬНЫЕ  
СИСТЕМЫ  ОБРАБОТКИ  
СЕНСОРНОЙ ИНФОРМАЦИИ 
И  УПРАВЛЕНИЯ 
Рекомендовано федеральным учебно-методическим объединением  
в системе высшего образования по укрупненным группам  
специальностей и направлений подготовки 27.00.00 «Управление  
в технических системах» в качестве учебного пособия  
при реализации основных профессиональных образовательных  
программ высшего образования по направлениям подготовки  
магистратуры, входящим в УГСН 27.00.00 «Управление  
в технических системах»


© Санкт-Петербургский политехнический
 университет Петра Великого, 2026
ISBN 978-5-7422-9378-1
doi:10.18720/SPBPU/2/id26-197
УДК 681.3(007)
ББК 32.81я73
          И73
Р е ц е н з е н т ы:
Доктор технических наук, профессор, профессор Высшей школы управления 
киберфизическими системами ИКНК СПбПУ В. П. Шкодырев
Доктор технических наук, доцент, заведующий кафедрой теоретической 
и прикладной метрологии, заместитель генерального директора по качеству  
и образовательной деятельности ВНИИМ им. Д. И. Менделеева М. В. Окрепилов
А в т о р ы:
В. А. Сушников, Л. А. Станкевич, Л. В. Черненькая, А. В. Черненький
Интеллектуальные системы обработки сенсорной информации и управления : учеб. 
пособие / В. А. Сушников [и др.]. – СПб. : ПОЛИТЕХ-ПРЕСС, 2026. – 138 с.
Соответствует образовательному стандарту дисциплины ДН-10 («Интеллектуальные технологии и представление знаний»). 
Рассмотрены интеллектуальные системы и средства их реализации, а также их 
применение в системах обработки сенсорной информации и управления. Описаны 
продукционные, нейросетевые, нейроморфные и гибридные средства обработки 
информации. Показано использование традиционных нейронных сетей для фильтрации изображений, кластеризации потоковой информации и управления мобильными роботами. Рассмотрено применение гибридных нейро-нечетких средств 
для управления роботами и применение глубоких нейронных сетей для сегментации и классификации изображений, а также интеллектуального управления роботами. Показаны модели спайковых нейронов и их применение для бесконтактного 
управления роботизированными устройствами по сигналам активности головного 
мозга. Акцент сделан на современных тенденциях применения нейро-нечетких 
средств, глубоких нейронных сетей и нейроморфных средств для решения сложных задач обработки многоканальной сенсорной информации и изображений, а 
также управления мобильными роботами в среде с неподвижными и движущимися 
препятствиями.
Пособие предназначено для студентов вузов, обучающихся по направлению 
подготовки 27.00.00 «Управление в технических системах».
Табл. 4. Ил. 50. Библиогр.: 30 назв.
Печатается по решению
Совета по издательской деятельности Ученого совета
Санкт-Петербургского политехнического университета Петра Великого.


Ministry of Science and Higher Education of the Russian Federation
PETER THE GREAT ST. PETERSBURG 
POLYTECHNIC UNIVERSITY
Saint-Petersburg
2026
Institute of Cybersecurity and Computer Science
Graduate School of Computer Technologies and Information Systems
INTELLIGENT SYSTEMS  
FOR SENSORY DATA 
PROCESSING 
AND CONTROL
Recommended by the Federal Education Enhancement Board in the system  
of higher education for enlarged groups of specializations and areas  
of training 27.00.00 “Control in Engineering Systems” as a training  
manual for implementation of basic professional educational Master’s  
degree programs 27.00.00 “Control in Engineering Systems”


©	 Peter the Great St. Petersburg 
Polytechnic University, 2026
ISBN 978-5-7422-9378-1
doi:10.18720/SPBPU/2/id26-197
R e v i e w e r s:
Doctor of Engineering, professor, professor at the Graduate School of Cyber-Physical 
Systems Control of the ICCS SPbPU V. P. Shkodyrev
Doctor of Engineering, associate professor, head of the Department of Theoretical  
and Applied Metrology, Deputy Director General for Quality and Educational Activities 
at D. I. Mendeleev All-Russian Research Institute for Metrology M. V. Okrepilov
A u t h o r s:
V. A. Sushnikov, L. A. Stankevich, L. V. Chernenkaya, A. V. Chernenkiy
Intelligent systems for sensory data processing and control : training manual / V. A. Sushnikov [et al.]. – St. Petersburg : POLYTECH-PRESS, 2026. – 138 p.
The training manual corresponds to the educational standard for the course DN-10 
(“Intelligent Technologies and Knowledge Representation”). 
The manual considers intelligent systems and means of their implementation, as well 
as their application in systems for processing sensory data and control. It describes production-based, neural network-based, neuromorphic, and hybrid information processing 
systems. It demonstrates the use of traditional neural networks for image filtering, clustering of stream data, and the control of mobile robots. The authors consider the application 
of hybrid neuro-fuzzy methods for robot control and the use of deep neural networks for 
image segmentation and classification, as well as for intelligent robot control. Models of 
spiking neurons and their application for non-contact control of robotic devices based on 
brain activity signals are presented. The focus of the manual is on current trends in the application of neuro-fuzzy methods, deep neural networks, and neuromorphic methods for 
solving complex problems of processing multi-channel sensory data and images, as well as 
controlling mobile robots in environments with stationary and moving obstacles.
The manual is intended for students of higher education institutions studying in the 
major 27.00.00 “Control in Engineering Systems.”
Tables: 7. Figures: 3. References: 21 titles.
Printed by the Publishing Council
of the Peter the Great St. Petersburg polytechnic university Academic Council.


ОГЛАВЛЕНИЕ
Список сокращений.................................................................................. 6
Введение..................................................................................................... 7
1. Интеллектуальные системы и средства их реализации............................ 9
1.1. Архитектура интеллектуальных систем..........................................10
1.2. Модели знаний................................................................................12
1.3. Формирование знаний....................................................................14
1.4. Интеллектуальные средства............................................................28
2. Системы продукций................................................................................33
2.1. Детерминированные, нечеткие и вероятностные продукции.......33
2.2. Управление на детерминированных продукциях..........................42
2.3. Управление на нечетких продукциях.............................................45
2.4. Распознавание на вероятностных продукциях..............................47
3. Традиционные нейронные сети...............................................................48
3.1. Многослойные персептроны..........................................................49
3.2. Сети Кохонена................................................................................56
3.3. Фильтрация изображений .............................................................60
3.4. Кластеризация информации..........................................................70
3.5. Управление роботом в среде с препятствиями .............................72
4. Нейро-нечеткие сети..............................................................................83
4.1. Адаптивная нейро-нечеткая система.............................................84
4.2. Кластерный нейро-нечеткий модуль.............................................85
4.3. Обход препятствий на ANFIS ........................................................91
4.4. Управление роботом на кластерных ННМ....................................95
5. Глубокие нейронные сети......................................................................101
5.1. Прямонаправленные глубокие нейронные сети..........................102
5.2. Глубокие рекуррентные нейронные сети....................................107
5.3. Сегментация изображений........................................................... 115
5.4. Классификация изображений......................................................120
5.5. Интеллектуальное управление роботами....................................122
6. Нейроморфные сети.............................................................................125
6.1. Модели спайковых нейронов........................................................125
6.2. Бесконтактное управление на спайковых нейронных сетях.......128
Библиографический список...................................................................135


СПИСОК  СОКРАЩЕНИЙ
АК – автокодировщик
АГК – анализ главных компонент
АР – антропоморфный робот
БД – база данных
БЗ – база знаний
БП – база правил
ГА – генетический алгоритм
ГНС – глубокие нейронные сети 
ИИ – искусственный интеллект
ИНС – искусственная нейронная сеть
ИС – интеллектуальная система
ИСВ – интеллектуальная система восприятия
МВ – машина вывода
МПТ – многослойный персептрон
МР – мобильный робот
НЛ – нечеткая логика
ННС – нейро-нечеткая сеть
НМС – нейроморфная сеть
РНС – рекуррентная нейронная сеть
СНС – сверточная нейронная сеть
СпНС – спайковая нейронная сеть


ВВЕДЕНИЕ
Обработка сенсорных данных и управление наиболее эффективно проводятся в интеллектуальных системах, которые используют 
знания о внешней среде. Примерами являются интеллектуальные 
системы наблюдения, роботы, беспилотные аппараты, интерфейсы 
«мозг–компьютер», медицинские системы регистрации и анализа 
данных и др.
Разработка интеллектуальных систем обработки сенсорной информации началась, когда появились сложные сенсоры: 
многоканальные микрофоны и ультразвуковые сенсоры, видеокамеры и лазерные дальномеры (лидары), многоканальные 
электроэнцефалографы и др. В системах стали использоваться 
интеллектуальные средства, которые позволяют решать трудноформализуемые задачи обработки информации. Такие системы 
обеспечивают формирование знаний об окружающей среде и 
могут применяться самостоятельно в качестве систем наблюдения или систем восприятия информации в составе систем 
управления. Внедрение результатов восприятия в виде знаний 
об окружающей среде в систему формирования поведений, например роботами, способствуют дальнейшему использованию 
этих знаний для реагирования на свое окружение. Системы 
управления также становятся интеллектуальными, поскольку 
в них присутствуют знания о поведении объектов управления 
в различных ситуациях. 
Для обработки сложной сенсорной информации и управления могут применяться различные интеллектуальные средства, 
в которые входят интеллектуальные методы и реализующие их 
алгоритмы. Наиболее часто используются методы нечеткой логики, нейронные сети в традиционных вариантах и с глубоким 
обучением, гибридные нейро-нечеткие сети, нейроморфные 
нейронные сети. 


Целью данного учебного пособия является краткое ознакомление студентов с традиционными и развивающимися интеллектуальными средствами обработки сенсорной информации и управления, а также демонстрация некоторых вариантов решения задач 
обработки сенсорной информации и управления с применением 
этих интеллектуальных средств.
В первой главе приведены базовые понятия и рассмотрена обобщенная архитектура интеллектуальных систем, модели знаний и 
методы формирования знаний, а также интеллектуальные средства 
реализации систем на знаниях. 
Во второй главе проанализированы логические средства и построенные на них системы на детерминированных, нечетких и 
вероятностных продукциях. Приведены примеры применения детерминированных и нечетких продукций для управления роботами, 
а также вероятностных продукций для распознавания образов. 
В третьей главе рассмотрены традиционные нейросетевые средства: 
прямонаправленные нейронные сети (персептроны и сети Кохонена) 
и рекуррентные нейронные сети Хопфилда. Показано использование 
традиционных нейронных сетей для фильтрации изображений, кластеризации потоковой информации и управления роботами.
В четвертой главе приведены гибридные нейро-нечеткие средства 
(адаптивная нейро-нечеткая система и кластерный нейро-нечеткий 
модуль), а также примеры их использования для управления роботами. 
В пятой главе раскрывается специфика работы глубоких нейронных сетей: сверточных, автокодировщиков, рекуррентных сетей и трансформеров. В качестве примеров показано применение 
сверточных нейронных сетей для решения задач сегментации и 
классификации изображений, а также трансформеров для интеллектуального управления роботами.
В шестой главе приведены нейроморфные средства, построенные на спайковых нейронных сетях. Представлены компоненты, из 
которых можно строить такие сети. Рассмотрено применение спайковых нейронных сетей для бесконтактного управления устройствами по сигналам активности головного мозга.


1. ИНТЕЛЛЕКТУАЛЬНЫЕ  СИСТЕМЫ  И  СРЕДСТВА   
ИХ  РЕАЛИЗАЦИИ
Интеллектуальные системы (ИС) предназначены для обработки информации с использованием интеллектуальных методов. 
Такие методы основаны на логических и ассоциативных знаниях, 
а также на решении задач путем вывода на этих знаниях. Знания в 
ИС ориентированы на задачи обработки сенсорной информации, 
конечным этапом которой является распознавание или классификация объектов, ситуаций и состояний. Данные преимущества 
отличают ИС от традиционных сенсорных систем, основанных на 
алгоритмической обработке регистрируемых сенсорами данных. 
Как правило, в ИС требуется решать трудноформализуемые 
задачи обработки сенсорной информации, такие как фильтрация 
зашумленных данных и изображений, кластеризация данных и 
сегментация изображений, прогнозирование развития процессов, 
распознавание объектов и сцен. Фактически такие системы обеспечивают формирование знаний об окружающей среде, которые 
нужны для оценки ее состояний или принятия решений. При этом 
хорошо спроектированные ИС по эффективности решения не 
уступают экспертам, которые вручную решают задачи обработки 
сложной сенсорной информации.
В этой главе рассматриваются вопросы архитектурного построения ИС, приводится краткое описание решаемых в системах задач, 
а также рассматриваются реализующие их интеллектуальные компоненты. При этом используются следующие понятия:
– сенсорная информация – регистрируемые отдельными или 
множественными сенсорами данные, преобразованные в цифровой 
код, отображающий временные и пространственные зависимости; 
– интеллектуальные методы – методы обработки данных с использованием знаний разного вида;
– знания – формализованные представления входо-выходных 
зависимостей в виде фактов и отношений или объектов и связей;
– вывод на знаниях – формализованная процедура принятия 
решений с использованием знаний;


– восприятие информации – процесс формирования знаний 
об окружающей среде, результатом которого являются распознанные объекты, ситуации и действия, характеризующие статические 
и динамические состояния среды.
1.1. Архитектура интеллектуальных систем
Интеллектуальные системы можно условно разделить на статические и динамические. Статические ИС обрабатывают сенсорную 
информацию пространственного вида без привязки ее ко времени, 
т. е. в предположении о неизменности окружения в период регистрации данных сенсорами. При этом динамические интеллектуальные 
системы восприятия (ИСВ) обрабатывают сенсорную информацию 
пространственно-временного вида в предположении, что окружение может изменяться в период регистрации данных сенсорами. 
Заметим, что первые практически полезные ИС были статическими, а знания в них формировались экспертами при создании и не 
изменялись в процессе работы. 
Структура ИС представлена на рис. 1.1. Главными компонентами являются база знаний (БЗ) системы и подсистема вывода 
Рис. 1.1. Структура ИС
Предварительная 
обработка  
входящей
информации
Рабочая  
память 
Вывод  
результатов 
обработки
Обработка 
информации 
на знаниях
Формирование 
знаний 
в соответствии 
с моделью
База 
знаний 


Доступ онлайн
1 551 ₽
В корзину