Search academic texts

Information × Registration Number 2123U001374, Article popup.category Стаття, Опубліковано, Рецензована стаття Title NEURAL NETWORK SUPPORT FOR AUTOMATION OF OBJECT CONTROL WITH MULTIFACTORIAL INPUT UNDER CONDITIONS OF UNCERTAINTY popup.author Aloshyn S.Hаitan O.Aloshyn S.Haitan O. popup.publication 17-03-2023 popup.source_user Національний університет «Полтавська політехніка імені Юрія Кондратюка» popup.source https://journals.nupp.edu.ua/sunz/article/view/2826 popup.publisher Національний університет «Полтавська політехніка імені Юрія Кондратюка» Description 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. popup.nrat_date 2026-04-19 Close