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 121
- Downloads 0
USE OF INFORMATION UNCERTAINTY IN IDENTIFICATION TASKS
Informational methods for analyzing and managing systems under uncertainty are studied. The expediency of use of information uncertainty in tasks of identification of control objects and synthesis of regulatory systems i...
Разработка критериев выбора рациональной калибровки бандажей валковых прессов
Показана актуальность и пути формирования научно-обоснованного метода определения рациональной калибровки валков брикетных прессов на основе анализа связей между параметрами калибровки бандажей и характеристиками процесс...
АЛГОРИТМ РОЗРАХУНКУ КОНСТРУКТИВНИХ ТА ЕКСПЛУАТАЦІЙНИХ ХАРАКТЕРИСТИК АДСОРБЦІЙНОГО АКУМУЛЯТОРА ТЕПЛОВОЇ ЕНЕРГІЇ ВІДКРИТОГО ТИПУ НА ОСНОВІ КОМПОЗИТНИХ АДСОРБЕНТІВ
Робота присвячена розробці ефективного алгоритму визначення експлуатаційних і конструктивних характеристик адсорбційного акумулятора теплової енергії відкритого типу. Отримав подальший розвиток алгоритм розрахунку експлу...
Дискретно-інтерполяційний метод моделювання багатопараметричних процесів, систем та середовищ
Проектування складних технічних об’єктів, моделювання прогнозованого стану багатопараметричних систем і середовищ, наприклад екологічних, енергетичних, кліматичних, гідрологічних, геоморфологічних, геологічних систем у т...
Метод пакетного навчання нейромереж нелінійної авторегресії для прогнозу прибутку інтернет-магазину
У статті розглядаються і аналізуються існуючі методи прогнозування прибутку інтернет-магазину. В сучасній електронній комерції є проблема недостатньої ефективності автоматизації бізнес-процесів інтернет-магазину. Ґрунтую...