Панін В. В.-д-р техн. наук, професор, ректор Державного університету інфраструктури та технологій, Київ, Україна. Доронін В. В.-канд. техн. наук, професор кафедри технічних систем і процесів управління в судноводінні Державного університету інфраструктури та технологій, Київ, Україна. Спіян О. М.-аспірант кафедри технічних систем і процесів управління в судноводінні Державного університету інфраструктури та технологій, Київ, Україна. AНОТАЦІЯ Актуальність. Розглянуто задачу автоматизації діагностики мережевих аномалій при передачі потоку навігаційних даних від водомірних постів до електронно-картографічної системи в умовах річкової е-навігації. Об'єктом дослідження є процес діагностики у динамічній експертній системі. Мета роботи-створення автоматизованої системи діагностики мережевих аномалій на нейронних мережах. Метод. Запропонований спосіб автоматизації діагностики мережевих аномалій з використанням комплексу процедур контекстно-орієнтованої інтелектуальної обробки потоків навігаційних даних. Спосіб передбачає застосування сучасних методів обробки інформації на основі реалізації алгоритму нечіткого логічного виводу на нейронних мережах. Застосовані нейромережі можуть бути легко навчені роботі в умовах коливань параметрів, що надходять від водомірних постів. Спосіб дозволяє мінімізувати помилку у синтезованої мережі. Отриманий набір кластерів-правил відображається в структурі нейро-нечіткої мережі. Реалізація способу не потребує завантаження всієї навчальної вибірки в пам'ять електроннокартографічної системи, багаторазових переглядів навчальної вибірки і істотно прискорює процес синтезу мереж. В інформаційній системі обробки потоку навігаційних даних, яка повинна оперативно виявляти мережеві аномалії, а також пропонувати можливі варіанти їх усунення, застосовано сукупне використання експертних систем і нейронних мереж. Поряд з фрактальним врахуванням точності визначені показники якості при невідомих закономірностях між вхідними та вихідними даними, що надходять від водомірних постів. Тобто нейромережа визначає, які сигнали є неінформативними. За допомогою розробленого методу класифікації вхідних сигналів від водомірних постів з використанням мережі Кохонена простір потоку даних розбивається на кластери однакового розміру і форми. При зміні розміру кластера метод дозволяє одержувати різні рівні деталізації вибірки. Застосування процедури класифікації вхідних сигналів передбачає зростання або зменшення значень диференційних поправок до глибин, розпізнання інформації від водомірних постів. Вирішення задач кодування і декодування параметрів під час навчання нечіткої нейромережі виконувалося одночасно із завданням параметричної функції трикутної форми. Визначені правила представлення знань, сформованих експертом. Для зберігання інтелектуальної системи в явному вигляді застосована нейромережева динамічна експертна система на прецедентах. Визначений механізм отримання автоматизованого вирішення на підставі активізації алгоритму пошуку за ступенем близькості прецедентів. За відсутності прецедентів завдання вирішується...
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.