Search academic texts

Information × Registration Number 2122U000704, Article popup.category Опубліковано, Стаття Title INFORMATION-EXTREME MACHINE TRAINING SYSTEM OF FUNCTIONAL DIAGNOSIS SYSTEM WITH HIERARCHICAL DATA STRUCTURE popup.author Шелехов І. В.Барченко Н. Л.Прилепа Д. В.Бібик М. В.Shelehov I. V.Barchenko N. L.Prylepa D. V.Bibyk M. V. popup.publication 02-07-2022 popup.source_user Журнал "Радіоелектроніка, інформатика, управління" (Національний університет "Запорізька політехніка") popup.source https://ric.zp.edu.ua/article/view/260591 popup.publisher National University "Zaporizhzhia Polytechnic" Description Актуальність. Розглянуто задачу інформаційно-екстремального машинного навчання системи функціонального діагностування на прикладі розпізнавання технічного стану лазерного принтера за типовими дефектами друкованого матеріалу. Об’єктом дослідження є процес ієрархічного машинного навчання системи функціонального діагностування електромеханічного пристрою. Мета. Підвищення функціональної ефективності машинного навчання системи функціонального діагностування шляхом автоматичного формування нової ієрархічної структури даних при перенавчанні системи через розширення алфавіту класів розпізнавання. Метод. Запропоновано метод інформаційно-екстремального ієрархічного машинного навчання системи діагностування лазерного принтеру за типовими дефектами друкованого матеріалу. Метод розроблено в рамках функціонального підходу до моделювання когнітивних процесів природнього інтелекту, що дозволяє надати системі діагностування властивості адаптивності при довільних початкових умовах формування зображень дефектів друку та гнучкості при перенавчанні системи через збільшення потужності алфавіту класів розпізнавання. В основу методу покладено принцип максимізації кількості інформації в процесі машинного навчання. Процес інформаційно-екстремального машинного навчання розглядається як ітераційна процедура оптимізації параметрів функціонування системи функціонального діагностування за інформаційним критерієм. Як критерій оптимізації параметрів машинного навчання розглядається модифікована інформаційна міра Кульбака, яка є функціоналом від точнісних характеристик класифікаційних рішень. Згідно із запропонованою категорійною функціональною моделлю розроблено алгоритм інформаційно-екстремального машинного навчання за ієрархічною структурою даних у вигляді бінарного декурсивного дерева. Застосування такої структури даних дозволяє розбивати велику кількість класів розпізнавання на пари найближчих сусідів, для яких оптимізація параметрів машинного навчання здійснюється за лінійним алгоритмом необхідної глибини. Результати. Розроблено інформаційне, алгоритмічне і програмне забезпечення системи функціонального діагностування лазерного принтеру за зображеннями типових дефектів друкованого матеріалу. Досліджено вплив параметрів машинного навчання на функціональну ефективність системи функціонального діагностування лазерного принтеру за зображеннями дефектів друкованого матеріалу. Висновки. Результати фізичного моделювання підтвердили працездатність запропонованого методу інформаційноекстремального машинного навчання системи функціонального діагностування лазерного принтеру за типовими дефектами друкованого матеріалу і можуть бути рекомендовані для практичного використання. Перспектива підвищення функціональної ефективності інформаційно-екстремального машинного навчання системи функціонального діагностування полягає в збільшенні глибини машинного навчання шляхом оптимізації додаткових параметрів функціонування системи, включаючи параметри формування вхідної навчальної матриці. popup.nrat_date 2026-03-01 Close