ОПТИМІЗАЦІЯ ІЄРАРХІЧНОЇ СТРУКТУРИ ДАНИХ ІНТЕЛЕКТУАЛЬНОЇ СИСТЕМИ ФУНКЦІОНАЛЬНОГО ДІАГНОСТУВАННЯ ТЕХНІЧНОГО СТАНУ СКЛАДНОЇ МАШИНИ
Journal Title: Вісник Національного технічного університету «ХПІ». Серія: Системний аналiз, управління та iнформацiйнi технологiї - Year 2018, Vol 1320, Issue 44
Abstract
Розглядається метод інформаційно-екстремального машинного навчання системи функціонального діагностування технічного стану складної машини з оптимізацією ієрархічної структури вхідних даних. Показано, що на функціональну ефективність машинного навчання системи функціонального діагностування суттєво впливає розміщення в ієрархічній структурі класів розпізнавання, які характеризують технічний стан машини та її вузлів. При цьому для кожної страти ієрархічної структури накладаються обмеження на кількість класів розпізнавання, що дозволяє зменшити ступінь їх перетину в просторі діагностичних ознак. Оптимізація ієрархічної структури здійснюється в процесі інформаційно-екстремального машинного навчання системи функціонального діагностування, що дозволяє максимізувати інформаційну спроможність системи. Як критерій оптимізації параметрів машинного навчання розглядається модифікована інформаційна міра Кульбака, яка є функціоналом точнісних характеристик діагностичних рішень. При цьому алгоритм машинного навчання представляв собою багатоциклічну ітераційну процедуру пошуку максимального глобального значення інформаційного критерію оптимізації параметрів машинного навчання в робочій (допустимій) області визначення його функції. В результаті для страт всіх ярусів ієрархічної структури сформовано алфавіти класів розпізнавання, які забезпечили максимальну функціональну ефективність машинного навчання. За отриманими в процесі машинного навчання оптимальними геометричними параметрами контейнерів класів розпізнавання побудовано вирішальні правила, які дозволяють приймати діагностичні рішення в реальному темпі часу. Крім того, вирішальні правила, побудовані в рамках геометричного підходу, є практично інваріантними до багатовимірності вхідних даних, що є їх суттєвою перевагою перед штучними нейронними мережами. Як приклад реалізації запропонованого методу розглядалося машинне навчання системи функціонального діагностування шахтної підйомної машини з оптимізацією структури вхідних даних.
Authors and Affiliations
Anatoly Dovbysh, Victoria Zimovets, Myroslav Bibyk
Keywords
Related Articles
- EP ID EP465220
- DOI 10.20998/2079-0023.2018.44.08
- Views 95
- Downloads 0
Исследование движения магнитогазодинамических ударных волн в неоднородной плазменной среде методом Уизема
<span>Рассматривается распространение плоской магнитогазодинамической ударной волны в неоднородной плазменной среде. Исследование проводилось методом Уизема, который был использован для случая поперечного магнитного поля...
ПОЛІПШЕНИЙ МЕТОД ДОСЛІДЖЕННЯ СТІЙКОСТІ РОЗВ’ЯЗУВАННЯ СИСТЕМ ЛІНІЙНИХ АЛГЕБРАЇЧНИХ РІВНЯНЬ
<p class="104">Проведений огляд існуючих методів дослідження стійкості розв’язків систем лінійних алгебраїчних рівнянь (CЛАР), що залежать від вхідних даних, тобто варіацій параметрів. Розглянуто методи оцінки стійкості...
Алгоритм построения стационарного нормального марковского 3d-поля: динамические уравнения движения, статистические распределения вероятностей, визуализация
<span>Рассмотрено трехмерное поле, обладающее свойствами стационарности, нормальности и марковости. На основе иерархического подхода проведен вероятностный анализ рассматриваемых случайных величин, процессов и полей. Пос...
COST AND COMPLEXITY RESEARCH OF SOFTWARE DEVELOPMENT TO SOLVE THE PROBLEM OF INVENTORY MANAGEMENT
The article describes the process of estimating the cost and complexity of software development for the task of inventory management of a commercial enterprise to improve the decision-making process at the stage of forma...
Стохастический анализ измерений пятишарового спектрометра Боннера
<span>Проанализированы данные, полученные при испытании шарового нейтронного спектрометра Боннера активационного типа, состоящего из пяти полиэтиленовых шаров диметром от 90 мм до 245 мм. В качестве активируемого материа...