Inventory number | IRN | Number of state registration | ||
---|---|---|---|---|
0324РК01490 | AP22686767-KC-24 | 0124РК00105 | ||
Document type | Terms of distribution | Availability of implementation | ||
Краткие сведения | Gratis | Number of implementation: 0 Not implemented |
||
Publications | ||||
Native publications: 0 | ||||
International publications: 0 | Publications Web of science: 0 | Publications Scopus: 0 | ||
Patents | Amount of funding | Code of the program | ||
0 | 9971010 | AP22686767 | ||
Name of work | ||||
Интегративные достижения в области глубокого обучения с подкреплением для оптимизации электромеханических систем и автономной навигации | ||||
Type of work | Source of funding | Report authors | ||
Fundamental | Жолтаев Дархан Муратович | |||
0
0
0
0
|
||||
Customer | МНВО РК | |||
Information on the executing organization | ||||
Short name of the ministry (establishment) | Нет | |||
Full name of the service recipient | ||||
Товарищество с ограниченной ответственностью "Astana IT University" | ||||
Abbreviated name of the service recipient | "Astana IT University" | |||
Abstract | ||||
Объектом исследования является повышение скорости обучаемости алгоритмов глубокого обучения с подкреплением для электромеханических систем, таких как автономная навигация мобильных роботов, а также управление электрическими моторами. Зерттеу нысаны мобильді роботтардың автономды навигациясы, сондай-ақ электр қозғалтқыштарын басқару сияқты электромеханикалық жүйелер үшін тереңдетілген оқыту алгоритмдерін үйрену жылдамдығын арттыру болып табылады. Цель состоит в усовершенствовании алгоритмов глубокого обучения с подкреплением (ГОП) с использованием жидкостные нейронные сети (ЖСН) и модели большого языка (МБЯ), для создания более адаптивных и эффективных систем. Эти усовершенствованные алгоритмы направлены на повышение скорости обучения и улучшение производительности в различных электромеханических системах, обеспечивая их эффективную работу в динамических средах. Мақсат - бейімделгіш және тиімді жүйелерді құру үшін сұйық нейрондық желілерді (FNNs) және үлкен тіл үлгілерін (LLMs) пайдалана отырып, тереңдетілген оқыту (DRL) алгоритмдерін жақсарту. Бұл жетілдірілген алгоритмдер оқу жылдамдығын арттыруға және әртүрлі электромеханикалық жүйелердегі өнімділікті жақсартуға бағытталған, бұл олардың динамикалық ортада тиімді жұмыс істеуіне мүмкіндік береді. Литературный обзор и моделирование робота в симуляционной среде. Әдебиеттерді шолу және симуляциялық ортада роботты модельдеу. Разработана усовершенствованная модель глубокого обучения с подкреплением для автономной навигации мобильного робота. Мобильді роботтың автономды навигациясы үшін тереңдетілген оқытудың жетілдірілген моделі әзірленді. Быстрая обучаемость и улучшенная точность модели в электромеханических системах. Электр механикалық жүйелерде жылдам үйрену және үлгі дәлдігі жақсарды. не применимо қолданылмайды не применимо қолданылмайды Автономные системы, Робототехника, Электромеха-нические системы Автономды жүйелер, Робототехника, Электромеханикалық жүйелер |
||||
UDC indices | ||||
62-523.1 | ||||
International classifier codes | ||||
50.43.00; | ||||
Key words in Russian | ||||
Искусственный интеллект; Глубокое обучение с подкреплением; Автономные системы; Робототехника; Контроль и автоматизация; Жидкостные нейронные сети; Модель большого языка; Электромеханические системы; Возобновляемая энергия; | ||||
Key words in Kazakh | ||||
Жасанды интеллект; Бекіту арқылы тереңдетілген оқыту; Автономды жүйелер; Робототехника; Басқару және автоматтандыру; Сұйық нейрондық желілер; Үлкен тілдік модельдер; Электромеханикалық жүйелер; Жаңартылатын энергия; | ||||
Head of the organization | Хикметов Аскар Кусулбекович | Кандидат физико-математических наук / Профессор | ||
Head of work | Жолтаев Дархан Муратович | PhD in robotics engineering / PhD, doctor in robotics engineering |