Algorithm for obtaining training samples for a neural network in solving problems of durability prediction for corroding structures
Journal Title: Комп’ютерне моделювання: аналіз, управління, оптимізація - Year 2018, Vol 1, Issue 1
Abstract
When solving the problems of durability prediction for corroding structures, it is proposed to use computational intelligence technologies, in particular, artificial neural networks. It is necessary to allocate certain required stages in their design and exploitation. One of the important steps is the way to obtain a quality training sample. Further tuning and application of the neural network directly depends on the quality of the received training samples. The problem of durability prediction is a part of a more general task, which is the problem of optimal design of structures that function in aggressive external media. Therefore, calculating a predicted durability value (or calculating the constraint functions in an optimization problem) involves solving numerically multiple times a system of differential equations that describes the process of accumulation of geometric damage in a corroding structure. The definition of rational parameters of numerical integration as a whole makes it possible to improve the efficiency of the computational algorithm. In order to obtain a rational step of integrating a system of differential equations with an error not exceeding a given one, it is proposed to use an approximating system, which is an artificial neural network. Determining input parameters on which the error of a solution depends allows one to determine the architecture of a neural network. In this paper, we analyze the dependencies of the parameters of numerical integration and input parameters in general, on the basis of which the vector of input parameters for a neural network is determined. An algorithm for obtaining elements of the input vector is proposed. In order to exclude the «empty» zones in the training sample, it is proposed to prioritize it into clusters. This approach avoids obtaining a poor-quality sample and does not reduce the efficiency of the entire computational algorithm. The proposed method of obtaining training data allows one to improve the quality of neural network training.
Authors and Affiliations
Л. И. Короткая
Keywords
Related Articles
- EP ID EP626349
- DOI -
- Views 131
- Downloads 0
ВИЗНАЧЕННЯ ОПТИМАЛЬНОЇ КІЛЬКОСТІ ТА МІСЦЬ РОЗМІЩЕННЯ ЗАРЯДНИХ СТАНЦІЙ ДЛЯ ЕЛЕКТРОМОБІЛІВ НА ТЕРИТОРІЇ МІСТА
В роботі розглядається задача оптимального розміщення зарядних станцій для електромобілів у м. Дніпро у припущенні, що такими станціями варто обладнувати насамперед існуючі майданчики для паркування автотранспорту. На ос...
Алгоритм расчета эксплуатационных характеристик адсорбционного аккумулятора тепловой энергии для системы децентрализованного отопления
Работа посвящена построению эффективного алгоритма решения задачи расчета эксплуатационных характеристик адсорбционного аккумулятора тепловой энергии для системы децентрализованного отопления. Предлагается следующий поря...
Mathematical modeling of composite shell assembly
Assembly is the final stage of manufacturing machines, accumulating imperfections of the previous stages. For the composite shell of multistage container-based missiles, the existing level of deviation of the compartment...
Mechanisms of grouping and decomposition of network graphics for support of experimental researches of business process management substances
Effective management of organizational and technological processes of enterprises and organizations requires the pre-modeling of internal business processes to determine the peculiarities of business processes throughout...
РОЗРОБКА АНАЛІТИЧНОЇ МОДЕЛІ ДЛЯ РОЗРАХУНКУ І ОПТИМІЗАЦІЇ ВІБРОАКУСТИЧНОГО НАВАНТАЖЕННЯ ТРУБОПРОВОДІВ ТЕХНОЛОГІЧНИХ АПАРАТІВ
Стаття присвячена розробці аналітичної мщделі для розрахунку і оптимізації віброакустичного навантаження трубопроводів технологічних апаратів. Відхилення параметрів геометрії трубопроводу від ідеальних і неоднорідність м...