Key points are not available for this paper at this time.
У роботі досліджуються методи синтезу адаптивної архітектури інтелектуальних агентів, призначених для автоматизованого керування процесами розпізнавання в умовах невизначеності та динамічних змін середовища. Актуальність дослідження зумовлена зростанням складності задач розпізнавання, появою нестаціонарних даних та необхідністю забезпечення високої точності й стійкості функціонування інтелектуальних систем у реальному часі. Проаналізовано підходи до параметричної та структурної адаптації, включаючи методи онлайн-навчання, структурну перебудову моделей, механізми навчання з підкріпленням і багатоагентні архітектури. Розглянуто інтерпретацію адаптивної архітектури з позицій теорії автоматизованого керування як системи зі зворотним зв’язком, де архітектурні параметри виступають керуючими впливами. Обґрунтовано доцільність поєднання машинного навчання та принципів керування для підвищення точності, стійкості та ресурсної ефективності систем розпізнавання. Отримані узагальнення можуть бути використані під час проєктування інтелектуальних агентів для складних прикладних задач автоматизованого керування.
Андрій Зленський (Mon,) studied this question.