Neural network support for automation of object control with multifactorial input under conditions of uncertainty

Item ID: 13152
1 Media file
2023/04/21
Набір елементів
Навчально-науковий інститут інформаційних технологій та робототехніки » Кафедра комп'ютерних та інформаційних технологій і систем
document-46-50
Властивості
Тип
Українська
Наукові статті
Назва
Англійська
Neural network support for automation of object control with multifactorial input under conditions of uncertainty
Українська
Нейромережне забезпечення автоматизації управління об’єктом при багатофакторному вхідному впливі в умовах невизначеності
Автор
Українська
Альошин, С.П.
Українська
Гайтан, О.М.
Опис
Англійська
High dimension of the factors, their noisiness, subjectivity of the human factor breed high uncertainty in the implementation of effective monitoring and productive management in the areas of production and consumption, and hinder the optimal decisions making. In these conditions, it is appropriate to apply intelligent data analysis procedures based on artificial neural networks. Purpose of the study is to substantiate the technology for constructing of effective neural network models for automatic assessment of the object states and their control by finding the optimal values of input factors based on the analysis of the initial set of retrospective data. The desired product is set of neural network models for simultaneous assessment of the current object states and the calculation of the input factors values that ensure the achievement of the required objective function indicators. To automate the processes of recognizing the states of the study object and adapting the factors that bring the current state to the target one, a functional dependence of the states and factors is found based on forced learning of a synthesized models ensemble. The proposed technology and technical tools make it possible to automate the processes of lassifying the states of the study objects, adapt the input factors to the target states, and evaluate the quality by model testing. The practical significance of the study results is in the creation of a universal toolkit for a whole class of objects in the tasks of automatic state classification and search for input factors space that is adequate to the target state space. Functionally, the ensemble of trained models can be implemented as a data analysis software unit in the format of two subsystems: for recognizing the states of the study object and adapting input factors to target states. Automation of the state classifying tasks and adapting the input set in the proposed technology that is performed on the basis of standard technical data analysis packages, makes it possible to increase the efficiency of decision-making and reduce financial costs in the implementation of industrial and commercial projects.
Українська
Висока розмірність факторів, їх зашумленість, суб’єктивізм людського фактору породжують підвищений ступінь невизначеності у реалізації ефективного моніторингу та продуктивного менеджменту сфер виробництва та споживання, перешкоджають прийняттю оптимальних рішень. В цих умовах доцільно застосувати інтелектуальні процедури аналізу даних у базисі штучних нейронних мереж. Мета дослідження – обґрунтувати технологію побудови ефективних нейромережних моделей автоматичної оцінки станів об’єкта та керування ними шляхом знаходження оптимальних значень вхідних факторів на основі аналізу множини ретроспективних даних. Шуканим продуктом є нейромережні моделі одночасної оцінки поточних станів об’єкта та розрахунку значень вхідних факторів, що забезпечують досягнення необхідних показників елементів цільової функції. Для автоматизації процесів розпізнавання станів об’єкта аналізу та адаптації факторів, що приводять поточний стан до цільового, знайдено функціональну залежність станів та факторів на основі примусового навчання ансамблю синтезованих моделей. Запропонована технологія дозволяє автоматизувати процеси класифікації станів об’єкту дослідження, адаптацію вхідних факторів до цільових станів та оцінити якість тестування моделей. Практична значимість результатів дослідження полягає у створенні універсального інструментарію для цілого класу об’єктів у завданнях автоматичної класифікації їх станів та пошуку простору вхідних факторів, адекватних простору цільових станів. Функціонально ансамбль навчених моделей може бути реалізований як програмний блок аналізу даних у форматі двох підсистем: розпізнавання станів об’єкта дослідження та адаптації вхідних факторів до цільових станів. Автоматизація завдань класифікації станів та адаптації вхідної множини на основі запропонованої технології, що виконується на базі стандартних пакетів технічного аналізу даних, дозволяє підвищити ефективність прийняття рішень та знизити матеріальні витрати при реалізації виробничих та комерційних проектів.
Мова
English
Дата випуску
2023
Тематика
Англійська
input factor vector
Англійська
neural network
Англійська
objective function
Українська
автоматична класифікація станів
Українська
аналіз даних
Українська
вектор вхідних факторів
Англійська
automatic state classification
Англійська
data analysis
Українська
нейронна мережа
Українська
цільова функція
Видавництво
Українська
Національний університет "Полтавська політехніка імені Юрія Кондратюка"
Бібліографічний опис
Українська
Aloshyn S. Neural network support for automation of object control with multifactorial input under conditions of uncertainty / S. Aloshyn, O. Hаitan // Системи управління навігації та зв’язку. – 2023. – Вип. 1 (71). – С. 51-59. – Doi: 10.26906/SUNZ.2023.1.046.
УДК
004.8.032.26; 57.089
Набори елементів 1
Кафедра комп'ютерних та інформаційних технологій і систем
18 1345 items
Медіа
document-46-50
document-46-50
Metadata Information
Створено
2023-4-21 11:47
Last Modified
2023-4-21 11:47
Date Issued (DC)
2023
Item ID
#13152
Resource Template
Наукова стаття