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
MODELS AND SOFTWARE SOLUTIONS FOR THE PROBLEM OF DIAGNOSING THE FINANCIAL STATE OF IT ENTERPRISE
Today, the economy of Ukraine is in a relatively unstable position; therefore, Ukrainian enterprises require effective management. But in order to effectively manage the enterprise, you need to know what state it is in....
ПАРАМЕТРИЧЕСКИЙ СИНТЕЗ СТАБИЛИЗАТОРА КОСМИЧЕСКОЙ СТУПЕНИ С5М РАКЕТЫ-НОСИТЕЛЯ «ЦИКЛОН-3» НА АКТИВНОМ УЧАСТЕ ТРАЕКТОРИИ
<p>Рассматривается задача выбора численных значений варьируемых параметров стабилизатора космической ступени С5М ракеты-носителя «Циклон-3» на активном участке траектории. В настоящее время для решения задач параметричес...
Development of software for effective enterprice product policy creation
<span>The problem of developing a software tool for an effective enterprise product policy creation is considered. Existing methods for an enterprise product policy creation require the execution of a large number of com...
INFORMATION SUPPORT FOR THE ANALYSIS OF SKILLS AND ABILITIES OF UNIVERSITY STUDENTS
In the below article, the application of the fuzzy logical conclusion method is considered as decision-maker in the process of analyzing the students skills and abilities based on the requirements of potential employers,...
Моделирование переходных режимов ядерного реактора ВВЭР-1000 с учетом борного регулирования
<p class="204">Разработаны модели реактора ВВЭР-1000 в виде систем дифференциальных уравнений с относительными переменными состояния, описывающие нейтронную кинетику реактора, тепловые процессы, изменения концентраций кс...