В.В. Квашенников1, О.О. Козеева2

1,2 Калужский филиал МГТУ им. Н.Э. Баумана (г. Калуга, Россия)

Постановка проблемы. Многообразие и сложность функций «умного дома» требует применения искусственного интеллекта (ИИ), обеспечивающего распознавание образов речи, изображений и текста и использующего простые и понятные человеку интерфейсы. Общий подход состоит в том, что входные воздействия в ИИ могут быть представлены стохастическими помехоустойчивыми кодами, разрешенные последовательности которых соответствуют образам, а запрещенные последовательности разделяют образы между собой. Распознавание образов есть декодирование стохастических кодов с коррекцией ошибок. Обработка информации в ИИ сводится к преобразованию и конструированию образов, которые позволяют принимать решения и вырабатывать инструкции управления исполнительными органами «умного дома».

Цель. Усовершенствовать процессы передачи и обработки информации с помощью ИИ в системах «умного дома» на основе математической модели восприятия входных воздействий, опирающейся на положения стохастического помехоустойчивого кодирования.

Результаты. Рассмотрены технологии ИИ в системе «умный дом». Распознавание входных образов в них предлагается свести к декодированию стохастических помехоустойчивых кодов с коррекцией ошибок. Описана модель кодирования и конструирования образов и принятия решений в системе ИИ на основе функциональных преобразований в нейронных сетях.

Практическая значимость. Технология ИИ в системе «умный дом» – это интеллектуальный помощник, управляющий многочисленными инженерными системами дома. Важность разработок в области «умного дома» состоит в том, что они самым непосредственным образом касаются жизни человека. Исследование принципов кодирования и конструирования образов, а также принятия решений являются важными задачами разработки технологий ИИ в системах «умного дома».

Квашенников В.В., Козеева О.О. Технологии искусственного интеллекта в системе «умный дом» // Нейрокомпьютеры: разработка, применение. 2021. Т. 23. № 6. С. 48−54. DOI: https://doi.org/10.18127/j19998554-202106-05

1. Слэйгл Дж. Искусственный интеллект. М.: Мир. 2017. 320 c.
2. Хайкин С. Нейронные сети: полный курс. Пер. с англ. М.: Издательский дом «Вильямс». 2006. 1104 с.
3. Николенко С., Кадурин А., Архангельская Е. Глубокое обучение. СПб.: Питер. 2018. 480 с.
4. Осмоловский С.А. Стохастические методы защиты информации. М.: Радио и связь. 2003. 320 с.
5. Питерсон У., Уэлдон Э. Коды, исправляющие ошибки: Пер. с англ. / Под ред. Р.Л. Добрушина и С.И. Самойленко. М: Мир. 1976. 594 с. 
6. Hornik K., Stinchcombe M. and White H. Multilayer feedforward networks are universal approximators // Neural Networks. 1989. V. 2. № 5. P. 359−366.
7. Галушкин А.И. Нейронные сети: основы теории. М.: Горячая линия – Телеком. 2017. 496 с.
8. Галлагер Р. Теория информации и надежная связь. США. 1968. Пер. с англ. / Под ред. М.С. Пинскера и Б.С. Цибакова. М.: Сов. радио. 1974. 720 с.
9. Колесник В.Д., Мирончиков Е.Т. Декодирование циклических кодов. М.: Связь. 1968. 251 с.
10. Уинстон П. Искусственный интеллект. М.: Мир. 2017. 520 c.
11. Деменьтьев А.Д. Умный дом 21 века. Издательские решения. 2016. 100 с.
12. Игнатенко С.О., Исламова Р.Р. Искусственный интеллект в системе «умный дом» // Материалы Междунар. научнопрактич. конф. Белгород. 2018. Часть II. С. 53−56.
13. Рассел С., Норвиг П. Искусственный интеллект: современный подход / Пер. с англ. и ред. К.А. Птицына. Изд. 2-е. М.: Издательский дом «Вильямс». 2006. 1408 с.