Использование - нейронная сеть
Cтраница 3
В отличие от нейросетевого подхода; в котором основное время забирает обучение сетей; при статистическом подходе это время тратится на тщательный анализ задачи. При этом опыт статистиков используется для выбора модели на основе анализа данных и информации, специфичной для данной области. Использование нейронных сетей - этих универсальных аппроксиматоров - обычно проводится без использования априорных знаний, хотя в ряде случаев оно весьма полезно. [31]
Его задача заключается в разделении входных данных на N классов, каждый из которых выступает в роли условия для одного правила. Следует отметить, что разделение входного пространства на классы, соответствующие решаемой проблеме, представляет собой самостоятельную задачу, которая в настоящей работе не рассматривается. Этот блок может быть реализован с использованием нейронной сети, имеющей п входов, N выходов и К слоев. [32]
Деревья решений - метод структурирования задачи в виде древовидного графа, вершины которого соответствуют продукционным правилам, позволяющим классифицировать данные или осуществлять анализ последствий решений. Этот метод дает наглядное представление о системе классифицирующих правил, если их не очень много. Простые задачи решаются с помощью этого метода гораздо быстрее, чем с использованием нейронных сетей. Для сложных проблем и для некоторых типов данных деревья решений могут оказаться неприемлемыми. Кроме того, для этого метода характерна проблема значимости. Одним из последствий иерархической кластеризации данных является то, что для многих частных случаев отсутствует достаточное число обучающих примеров, в связи с чем классификацию нельзя считать надежной. [33]
Большое внимание уделено в монографии совершенствованию математических моделей, алгоритмических методов и информационных технологий. Технологическая специфика больших систем энергетики накладывает определенный отпечаток на аппарат исследования надежности. Но вместе с тем наиболее плодотворными оказываются одни и те же методы и модели В последнее время усилился интерес к использованию нейронных сетей в задачах управления формированием и развитием электроэнергетической системы. Не исключено, что эти работы явятся отправной точкой для исследователей, работающих в области надежности трубопроводных систем, и будут способствовать появлению у них новых идей. Со временем многие из постоянных участников семинара осознали, насколько близкими оказываются иногда проблемы электроэнергетики к проблемам надежности газо -, нефте -, водо - и теплоснабжения, несмотря на кардинальное различие физических процессов, определяющих перетоки энергии и энергоносителей. Для того чтобы понимать друг друга, достаточно преодолеть языковый - барьер, освоить терминологию, систему понятий и обозначений, принятые в смежных областях. [34]
Тем не менее, даже такое распределение финансовых средств дает положительные общенаучные результаты. В докладе С.А. Власова, Н.Г. Волочек, B.C. Смирнова и И.М. Рожкова ( Москва) на основе опыта применения средств имитационного моделирования в металлургии разработана методика имитационного моделирования непрерывно-дискретных производственных систем. В докладе Ю.С. Ле-говича, Н.Г. Журавлевой, В.И. Рождественской ( Москва) обсуждаются возможности решения обратной задачи оптики атмосферы классическим методом регуляризации по А.Н. Тихонову; показано, что данная задача не удовлетворяет требованиям этого метода; построена аналитическая модель ядра интегрального уравнения, что позволило разработать новый метод идентификации параметров атмосферного аэрозоля по измерениям характеристик спектральной прозрачности. Представляется, что аналогичные экономические причины побуждают исследователей из Университета г. Шираз ( Иран) работать с химико-технологическими объектами ( три доклада) типа многокомпонентной дисциля-ционной колонны. Показано, что использование нейронных сетей для определения неисправностей колонны дает превосходные результаты. В докладе Е.Н. Малыгина и В. А. Пемтинова ( Тамбов) исследованы вопросы формирования иерархической структуры системы для решения задач синтеза комплексов очистки газовых выбросов в атмосферу и очистки сточных вод химических предприятий. В докладе С.Ю. Яковлева ( Апатиты) рассмотрены законодательные и методологические основы идентификации опасных производственных объектов. Приятной неожиданностью на этом фоне является доклад В.В. Минаева, Ю.И. Богданова, М.А. Ляшко, Ю.В. Маклакова и В.Г. Редько ( Москва), где анализируется высокотехнологическое производство кремниевых пластин для интегральных микросхем; разработана объектная модель компьютерно-сетевой системы управления транспортом и обработкой партий. [35]
 |
Моделирование маневрирующего объекта с помощью НС ( 551. [36] |
Обработка включает в себя завязку, обнаружение и сопровождение траектории маневрирующих объектов, обнаружение ложных отметок и траекторий, а также идентификацию информации от первичного и вторичного радиолокаторов. Предлагается применение базы знаний, построенной на основе эмпирических правил. База знаний реализуется в виде продукционных моделей. Она используется для построения нечеткой модели, использующей эмпирические знания по размерам стробов сопровождения, критериям обнаружения и сброса траекторий, начальным условиям, идентификации информации от первичного и вторичного радиолокаторов. Использование нейронных сетей здесь возможно при идентификации информации от первичного и вторичного радиолокаторов, обнаружении ложных отметок и траекторий. Предлагается для более качественных идентификации и сопровождения осуществлять дополнительные фильтрацию и сопровождение воздушных судов по запасу топлива и высоты, значения которых поступают по вторичному каналу с борта судна. [37]
Страницы: 1 2 3