| Title: | Принципы и алгоритмы построения нейросетевых систем управления координатами нижнего уровня в мобильной робототехнике |
| Other Titles: | Principles and algorithms for constructing neural network control systems for lower-level coordinates in mobile robotics |
| Authors: | Радкевич, А. А. |
| Keywords: | материалы конференций;Big Data;информационные системы;мобильная робототехника;нейросетевые системы управления;гибридные системы управления;адаптивное управление;рекуррентные нейронные сети;радиально-базисные функции |
| Issue Date: | 2026 |
| Publisher: | БГУИР |
| Citation: | Радкевич, А. А. Принципы и алгоритмы построения нейросетевых систем управления координатами нижнего уровня в мобильной робототехнике = Principles and algorithms for constructing neural network control systems for lower-level coordinates in mobile robotics / А. А. Радкевич // Big Data и анализ высокого уровня = Big Data and Advanced Analytics : сборник научных статей XII Международной научно-практической конференции, Республика Беларусь, Минск, 23 апреля 2026 года : в 2 ч. Ч. 2 / Белорусский государственный университет информатики и радиоэлектроники [и др.] ; редкол.: В. А. Богуш [и др.]. – Минск, 2026. – С. 85–94. |
| Abstract: | В статье представлена систематизация нейросетевых подходов к управлению координатами нижнего уровня в мобильной робототехнике. На основе анализа литературных источников разработана иерархическая классификация, учитывающая тип колёсной базы (классические и всенаправленные колёса), тип двигателя (коллекторный ДПТ, вентильный БДПТ/СДПМ, асинхронный) и регулируемую координату. Для каждого сочетания факторов определены предпочтительные архитектуры нейросетей, методы обучения и типы контроллеров. Сформулированы рекомендации по выбору подходов в гибридных структурах, где нейросетевые регуляторы сочетаются с гибридными подходами. |
| Alternative abstract: | The article presents a systematization of neural network approaches to controlling lower-level coordinates in mobile robotics. Based on an analysis of literature sources, a hierarchical classification is developed that takes into account the type of wheelbase (conventional and omnidirectional wheels), the type of motor (brushed DC motor, brushless DC/permanent magnet synchronous motor, induction motor), and the controlled variable. For each combination of factors, preferred neural network architectures, training methods, and controller types are identified. Recommendations are formulated for the selection of approaches in hybrid structures where neural network controllers are combined with classical methods. |
| URI: | https://libeldoc.bsuir.by/handle/123456789/63612 |
| Appears in Collections: | BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня : сборник научных статей : в 2 ч. (2026)
|
