To see the other types of publications on this topic, follow the link: Персептрон.
Journal articles on the topic 'Персептрон'
Create a spot-on reference in APA, MLA, Chicago, Harvard, and other styles
Consult the top 50 journal articles for your research on the topic 'Персептрон.'
Next to every source in the list of references, there is an 'Add to bibliography' button. Press on it, and we will generate automatically the bibliographic reference to the chosen work in the citation style you need: APA, MLA, Harvard, Chicago, Vancouver, etc.
You can also download the full text of the academic publication as pdf and read online its abstract whenever available in the metadata.
Browse journal articles on a wide variety of disciplines and organise your bibliography correctly.
1
Трифонов, Ю. В., and А. Л. Сочков. "Using artificial neural networks to evaluate residential real estate in two different regions." Экономика и предпринимательство, no. 9(122) (October 3, 2020): 1274–79. http://dx.doi.org/10.34925/eip.2020.122.9.250.
Full textAbstract:
Целью работы являлась разработка многослойного персептрона для оценки жилой недвижимости двух регионов, находящихся в ведении одного отделения банка. Использован метод обратного распространения ошибки для обучения сети. Синтезирован многослойный персептрон, позволяющий проводить оценку квартир, расположенных в двух разных регионах со средней относительной погрешностью 4,81%. Сеть предназначена для банковских online сервисов оценки жилой недвижимости в городах Нижний Новгород и Казань. The aim of the work was to develop a multi-layer perceptron for evaluating residential real estate in two regions managed by the same Bank branch. The method of error back propagation is used for network training. A multi-layer perceptron was elaborated that allows evaluating apartments located in two different regions with an MAPE of 4.81%. The network is designed for online banking services for residential real estate valuation in the cities of Nizhny Novgorod and Kazan.
2
Gorokhovatskiy, O. V., та O. O. Peredriy. "Багатошаровий персептрон як інструмент первинної кластеризації зображень". Реєстрація, зберігання і обробка даних 18, № 4 (2016): 33–43. http://dx.doi.org/10.35681/1560-9189.2016.18.4.104130.
Full text
3
Ермоленко, Татьяна Владимировна, та Никита Андреевич Шалун. "Фильтрация спама методами глубокого обучения". Вестник Донецкого национального университета. Серия Г: Технические науки, № 4 (3 грудня 2024): 165–74. https://doi.org/10.5281/zenodo.14514835.
Full textAbstract:
Фильтрация спама относится к задачам классификации естественно-языковых текстов, для решения которой эффективно используются модели глубокого обучения. В статье анализируется возможность применения основных базовых архитектур глубоких сетей к фильтрации спама, таких как сверточные и рекуррентные нейронные сети, а также архитектура Трансформер. Рассмотрены также векторные представления текста на уровне слов и с помощью языковых моделей. Современные языковые модели имеют архитектуру Трансформер, обеспечивают высокую точность классификации, но имеют огромное количество параметров и вычислительную мощность. В связи с этим в работе для фильтрации спама в качестве модели классификации использовался многослойный персептрон, а для получения векторного представления текста – TF-IDF. Такой выбор продиктован необходимостью соблюсти баланс между вычислительной мощностью и точностью. Оценка точности модели осуществлялась кросс-валидацией с разбиением данных методом k-Fold и составила в среднем 99.962%. <strong><em>Ключевые слова:</em></strong> фильтрация спама, глубокое обучение, word embedding, TF-IDF, языковая модель, модель Трансформер, многослойный персептрон, метод k-Fold.
4
Крыжановский, В. М., V. M. Kryzhanovsky, М. Ю. Мальсагов, M. Yu Malsagov, И. С. Желавская та I. S. Zhelavskaya. "Двухслойный векторный персептрон для решения задачи распознавания бинарных образов". Международный журнал "Программные продукты и системы" 44 (11 грудня 2014): 70–77. http://dx.doi.org/10.15827/0236-235x.108.070-077.
Full text
5
Ломакин, Н. И., И. А. Езангина, Н. В. Давудян, et al. "Research of the banking sphere of Russia using artificial intelligence in the conditions of formation of digital economy." Экономика и предпринимательство, no. 2(115) (May 6, 2020): 1301–5. http://dx.doi.org/10.34925/eip.2020.115.2.262.
Full textAbstract:
Исследованы теоретические основы функционирования банковской сферы России в современных условиях. На основе исходных данных была сформирована обучающая выборка и обучена нейросеть персептрон. Персептрон позволяет прогнозировать величину прироста активов коммерческих банков РФ. Выдвинута и доказана гипотеза, что на основе применения искусственного интеллекта, можно получать прогнозные значения приростов активов банков РФ, что определяет актуальность и практическую значимость проведенного исследования в условиях формирования цифровой экономики. The theoretical foundations of the functioning of the banking sector of Russia in modern conditions are investigated. Based on the initial data, a training sample was formed and the perceptron neural network was trained. Perceptron allows predicting the growth rate of assets of commercial banks of the Russian Federation. A hypothesis has been put forward and proved that based on the use of artificial intelligence, it is possible to obtain forecast values of asset growth of banks of the Russian Federation, which determines the relevance and practical significance of the study in the context of the digital economy.
6
Perminov, Andrey Igorevich. "SLAP – Simple Linear Attack for Perceptron." Proceedings of the Institute for System Programming of the RAS 36, no. 3 (2024): 83–92. http://dx.doi.org/10.15514/ispras-2024-36(3)-6.
Full textAbstract:
This article introduces a new approach to tricking perceptron based neural networks with piecewise linear activation functions using basic linear algebra. By formulating the attack as a system of linear equations and inequalities, it demonstrates a streamlined and computationally efficient approach to generating diverse sets of adversarial examples. The algorithms for the proposed attack have been implemented in code, that accessible in the open-source repository. The study highlights the formidable challenge posed by the proposed attack methodology for contemporary neural network defenses, emphasizing the pressing need for innovative defense strategies. Through a comprehensive exploration of adversarial vulnerabilities, this research contributes to the advancement of adversarial robustness in machine learning, paving the way for the development of more reliable and trustworthy artificial intelligence systems in real-world applications.
7
Molodets, Bohdan, та Тatyana Bulanaya. "Аналіз існуючих варіантів класифікації хворих на серцево-судинними захворюваннями за допомогою нейронними мережами". System technologies 5, № 130 (2020): 71–78. http://dx.doi.org/10.34185/1562-9945-5-130-2020-09.
Full textAbstract:
Робота присвячена аналізу інформаційних технологій хронобіологічного моніторингу кардіосистем, розробці систему підтримки прийняття рішень для лікаря-дослідника на базі методів класифікації з використанням нейронних мереж таких як імовірностна неронна мережа PNN (Probabilistic Neural Networks), багатошаровий персептрон MLP NN (Multi-Layer Perceptron), каскадно-кореляційна мережа CasCor (Cascade Correlation). У результаті отримано наступне: найкращим класифікатором є нейромережа каскадної кореляції з 85-88% точністю класифікації. Найгіршим класифікатором стала ймовірнісна нейронна мережа, оскільки точність цього алгоритму залежить від розміру набору даних.
8
Шмельова, Т. Ф., Ю. В. Сікірда та М. В. Касаткін. "Детерміновані та недетерміновані моделі сумісного прийняття рішень операторами аеронавігаційної системи". Наука і техніка Повітряних Сил Збройних Сил України, № 1(38), (23 березня 2020): 91–99. http://dx.doi.org/10.30748/nitps.2020.38.11.
Full textAbstract:
У статті представлено моделі прийняття сумісних / спільних рішень екіпажем повітряного судна та авіадиспетчером в детермінованих умовах, а також умовах стохастичної та нестохастичної невизначеності. Методологічною основою для спільного прийняття рішень в умовах визначеності є мережеве планування, в умовах стохастичної невизначеності – дерево рішень, в умовах нестохастичної невизначеності – матриця рішень. Для інтелектуальної обробки даних та оцінки ризику сумісного прийняття рішень розроблений багатошаровий персептрон з додатковими входами – зсувами, що характеризують взаємодію операторів аеронавігаційної системи. Наведено приклади сумісного прийняття рішень в особливому випадку в польоті “Відмова та пожежа двигуна на повітряному судні при наборі висоти після зльоту”.
9
Alyoshin, S., та E. Borodina. "НЕЙРОСЕТЕВАЯ ОПТИМИЗАЦИЯ ФИСКАЛЬНО-НАЛОГОВОЙ НАГРУЗКИ КАК ЭЛЕМЕНТ ЦИФРОВИЗАЦИИ ЭКОНОМИКИ РЕГИОНА". Системи управління, навігації та зв’язку. Збірник наукових праць 3, № 49 (2018): 88–92. http://dx.doi.org/10.26906/sunz.2018.3.088.
Full textAbstract:
Целью статьи является разработка технологии построения нейросетевых моделей автоматического мониторинга состояния налоговой нагрузки для достижения оптимального баланса между возможностью развития успешного бизнеса и достаточным наполнением регионального бюджета. Методика. Для проведения исследований был использован многослойный персептрон, применен алгоритм обратного распространения, а также технология нейроуправления. Результаты. Произведена автоматизация процесса определения элементов вектора градиента при реализации традиционного метода обратного распространения ошибки с помощью применения технологии нейроуправления. Научная новизна. Впервые предложено решение оптимизации фискально-налоговой нагрузкой (ФНН) региона с применением алгоритма обратного распространения. Практическое значение. Использование предложенной методики позволит создать программный инструментарий для перехода к автоматической системе оптимального управления экономикой.
10
Чумаченко, Олена Іллівна. "Інтелектуальна система оцінки тривалості обслуговування запитів". Адаптивні системи автоматичного управління 1, № 20 (2012): 24–31. http://dx.doi.org/10.20535/1560-8956.20.2012.30700.
Full textAbstract:
В даній статті виконано дослідження методів вирішення задачі управління дзвінками в колл-центрі при використанні інтелектуальних нейронних мереж. Виконано огляд існуючих рішень для колл-центрів та приведені їх недоліки. Враховуючи вимоги колл-центрів до модулю управління зроблена постановка задачі та виконано огляд методів її вирішення. Для реалізації модулю «інтелектуального додзвону» вибрані нейронні мережі, а саме багатошаровий персептрон. Приведена архітектура мережі, проведено її навчання та виконано аналіз результатів її роботи. Виходячи з середньоквадратичних відхилень між фактичними та прогнозованими результатами, пр. збільшенні розмірів навчальної вибірки похибка прогнозів мережі прямує до 0, це значить що архітектура нейромережі підібрана вірно.
11
Hrytsyk, V. V. "ДОСЛІДЖЕННЯ ЗАВДАННЯ ВИБОРУ МЕТОДУ РОЗПІЗНАВАННЯ ГРАНИЦЬ ЗАЛЕЖНО ВІД СПЕКТРАЛЬНИХ ЗНАЧЕНЬ". Scientific Bulletin of UNFU 25, № 8 (2015): 293–98. http://dx.doi.org/10.15421/40250848.
Full textAbstract:
Наведено результати дослідження щодо можливості побудови методики об'єктивного вибору фільтра знаходження границь шляхом встановлення залежності ефективності методу знаходження контурів від рівня освітленості. Досліджено стійкість фільтрів пошуку контурів до впливу такого зовнішнього чинника як світло. Порівняно переваги і недоліки кожного з фільтрів. Проведене дослідження є першою частиною дослідження, що дасть змогу розробити методику об'єктивного вибору оптимального фільтра для поточних умов. Це дасть змогу повністю автоматизувати процес пошуку контурів, незважаючи на вплив такого фактора як освітлення. Досліджено роботу операторів Робертса, Кенні, Собеля, Щарра. Процедуру об'єктивної оцінки якості виконує математичний апарат на базі штучної нейронної мережі (класичний одношаровий персептрон).
12
Ломакин, Н. И., Е. Н. Кравченко, С. А. Кращенко, et al. "Artificial Intelligence System to Support Decision-Making on Purchasing SiM0 US Dollar Futures in a Digital Economy." Экономика и предпринимательство, no. 4(117) (June 1, 2020): 905–10. http://dx.doi.org/10.34925/eip.2020.117.4.194.
Full textAbstract:
Рассмотрены теоретические основы принятия решения для торговли фьючерсом SiM0 на MoEx. Выдвинута и доказана гипотеза, что с помощью разработанной AI-системы, с использованием «новостных колебаний» и параметров японских свечей, можно получить прогноз цены закрытия SiM0 и на основе полученного прогнозного значения принять решение о покупке/продажи актива. Новизна проведенного исследования заключается в том, что в условиях рыночной неопределенности можно получать каждые 15 минут прогнозное значение цены закрытия SiM0 на основе использования искусственного интеллекта в результате обработки данных, собранных с новостных webсайтов программой Skraper, и оцифрованных с помощью Word2vec. Полученные таким образом прогнозные значения имеют высокую точность, что снижает риск финансовых потерь и повышает эффективность биржевой торговли, что обуславливает практическую значимость. В результате проведенных исследований разработана AI-система «Персептрон», в которой для предсказания цены фьючерсного контракта SiM0 использовались не только параметры японских свечей и объема, но и «новостные колебания» с web-сайтов. Таким образом, разработан персептрон, в котором содержится 305 параметров на входном слое, два скрытых слоя по 100 и 10 узлов, соответственно, и выходной слой с одним параметром - прогнозной ценой. Персептрон был сформирован и использовался на платформе Deductor, а программа Skraper, собирающая информацию с web-сайтов, была размещена в фреймворке Spark. Разработанный нейросетевой алгоритм торговал фьючерсным контрактом SiM0, формируя ордера для торгового терминала QUIK с тем, чтобы открывать длинные и короткие позиции на срочном биржевом рынке. The theoretical basis of decision-making for trading SiM0 futures on MoEx is considered. A hypothesis has been put forward and proved that using the developed AI system, using "news fluctuations" and Japanese candlestick parameters, it is possible to obtain a forecast of the SiM0 closing price and, on the basis of the obtained predicted value, make an asset purchase / sale decision. The novelty of the study is that in conditions of market uncertainty, it is possible to obtain a predicted closing price of SiM0 every 15 minutes based on the use of artificial intelligence as a result of processing data collected from news websites by Skraper and digitized using Word2vec. The forecast values obtained in this way are highly accurate, which reduces the risk of financial losses and increases the efficiency of exchange trading, which leads to practical significance. As a result of the research, the Perceptron AI system was developed, in which not only the parameters of Japanese candlesand volume, but also “news fluctuations” from web sites were used to predict the price of the SiM0 futures contract. Thus, a perceptron is developed, which contains 305 parameters on the input layer, two hidden layers of 100 and 10 nodes, respectively, and an output layer with one parameter - the forecast price. The perceptron wasformed and used on the Deductor platform, and the Skraper program, which collects information from web sites, was placed in the Spark framework. The developed neural network algorithm traded in the SiM0 futures contract,generating orders for the QUIK trading terminal in order to open long and short positions on the derivatives market.
13
Харламова, Е. Е., Н. И. Ломакин, М. И. Кузьмина, Е. В. Кособокова, Хынг Нгуен Нгок, and Э. С. Новрузбеков. "Digital AI-system for forecasting the Russian insurance market under financial digitalization." Экономика и предпринимательство, no. 2(115) (May 6, 2020): 1274–77. http://dx.doi.org/10.34925/eip.2020.115.2.256.
Full textAbstract:
В статье исследуются тенденции развития страхового рынка России. Предложен алгоритм для прогнозирования объемов страховых взносов с помощью AI-системы «Персептрон». Выдвинута и доказана гипотеза, что на основе применения AI-системы, можно получить прогнозное значение страховых взносов по любой страховой компании, включенной в нейросетевую модель в РФ, что определяет актуальность и практическую значимость этого исследования в условиях цифровой экономики. The article examines the development trends of the Russian insurance market. An algorithm is proposed for forecasting the volume of insurance premiums using the Perceptron AI system. A hypothesis hasbeen put forward and proved that based on the application of the AI system, it is possible to obtain the predictedvalue of insurance premiums for any insurance company included in the neural network model in the RussianFederation, which determines the relevance and practical significance of this study in the digital economy.
14
Соловйов, В. Г., Ю. М. Ланкін та І. Ю. Романова. "ЗАСТОСУВАННЯ НЕЙРОННОЇ МЕРЕЖІ ПРИ КОНТРОЛІ ТЕПЛОВОГО СТАНУ БІОЛОГІЧНОЇ ТКАНИНИ В ЗОНІ ЗВАРЮВАННЯ". Medical Informatics and Engineering, № 3-4 (21 березня 2024): 50–58. http://dx.doi.org/10.11603/mie.1996-1960.2023.3-4.14469.
Full textAbstract:
У статті розглянуто сучасні методи регулювання процесу зварювання м'яких біологічних тканин (МБТ), засновані на вимірюванні електричних параметрів струму високої частоти та контролі часу зварювання. Однак ці методи не враховують таких вхідних параметрів, як ступінь стиснення МБТ і температура МБТ у зоні зварювання, що постійно змінюються та можуть призвести до проблем при реальному хірургічному зварюванні. Використання термопар має свої складності. У статті запропоновано використання нейронної мережі (НМ) як елементу штучного інтелекту для вирішення завдання контролю температури в зоні зварювання МБТ. Для перевірки працездатності в додатку Neural Network Toolbox MatLab було побудовано двошаровий персептрон із десятьма нейронами в кожному шарі, три входи та один вихід, що створював «віртуальний датчик температури» між електродами в зоні зварювання МБТ без проведення фізичних експериментів. Нейронна мережа має бути навчена на адекватній моделі, отриманій методом скінченних елементів, або на основі даних фізичного експерименту.
15
Lomakin, N. I., O. Ch Dzhennifer, E. G. Chernaya, A. V. Sycheva, and V. V. Kabina. "PERSEPTRON AI-SYSTEM FOR FORECASTING FINANCIAL RESULTS OF THE OIL INDUSTRY OF THE RUSSIAN FEDERATION." Фундаментальные исследования (Fundamental research), no. 12 2019 (2019): 98–103. http://dx.doi.org/10.17513/fr.42629.
Full text
16
Abramov, A. I., I. V. Abramov, T. A. Mazitov, and A. A. Nikitin. "Neural Network Segmentation of Laser Scanning System Data." Bulletin of Kalashnikov ISTU 20, no. 3 (2017): 125. http://dx.doi.org/10.22213/2413-1172-2017-3-125-129.
Full textAbstract:
Выделение объектов и их сопровождение является одной из перспективных и быстро развивающихся областей технического зрения, применяющейся в различных системах. Неотъемлемой частью таких систем является кластеризация и сегментация данных. В данной статье представлен краткий обзор алгоритмов сегментации данных, полученных с помощью 2D лазерных сканирующих систем. Слабым звеном таких алгоритмов является сегментация близко расположенных объектов. Для лучшего выделения сегментов предложено использование данных дальности вместе со значениями интенсивности отраженного сигнала соответствующих измерений. Для комплексирования данных предложено использование нейросети, являющейся удобным инструментом при кластеризации и сегментации зашумленных и сложнокоррелируемых данных. В работе используется одна из наиболее распространенных и изученных моделей - многослойный персептрон. Представлена архитектура полученной сети, методика обучения и интерпретирование выходных для сегментирования облака двумерных точек. Результаты данного исследования могут быть использованы не только в задачах сегментации облаков точек, но и при решении задач построения карт, для выделения особых точек при анализе двумерных облаков точек, построения систем сопровождения объектов.
17
Pastukhov, A. A., and A. A. Prokofyev. "Algorithm of a Representative Samples Formation and Calculation of a Neuron Characte-ristics for Multilayer Perceptron." Proceedings of Universities. Electronics 23, no. 5 (2018): 512–20. http://dx.doi.org/10.24151/1561-5405-2018-23-5-512-520.
Full text
18
Korobeynikov, A. V., A. F. Mkrtchyan, V. V. Sitnikov, and A. V. Nagovitsyn. "Predicting the Durability Period of a Metal Cutting Tool Based on a Neural Network." Intellekt. Sist. Proizv. 18, no. 3 (2020): 95. http://dx.doi.org/10.22213/2410-9304-2020-3-95-102.
Full textAbstract:
Рассматривается задача прогнозирования периода стойкости металлорежущего инструмента при заданных параметрах режима резания. Для решения поставленной задачи предлагается использовать нейросетевую модель. Предложено использовать в качестве структуры нейронной сети многослойный персептрон. Обучающей выборкой при обучении нейросетевой модели прогнозирования служат накопленные статистические данные системы «Инструментальный шкаф». Входными данными нейронной сети служат значения параметров режима резания (тип материала заготовки, значение глубины резания при технологической операции, значение подачи при технологической операции, значение скорости резания) и значения параметров конструкции металлорежущей пластины, указанных в маркировке пластины согласно ISO 1832-85. Программная реализация предложенной нейронной сети выполнена с использованием библиотеки машинного обучения «DeepLearning4J».При обучении нейронной сети формировалось 5 обучающих подвыборок, содержащих по 20 % от количества образцов в обучающей выборке. Для решения проблемы переобучения нейронной сети использовался метод перекрестной проверки. Использовалась обучающая выборка общим количеством 500 записей по множеству металлорежущего инструмента, состоящему из 10 пластин. Проведенные эксперименты показали работоспособность предложенного подхода. В работе представлены графики, показывающие зависимость прогнозируемого периода стойкости от одного из параметров режима резания.Цель работы заключается в повышении эффективности планирования закупок металлорежущего инструмента.
19
Mishchuk, O. S., та R. O. Tkachenko. "Методи оброблення та заповнення пропущених параметрів у даних екологічного моніторингу". Scientific Bulletin of UNFU 29, № 6 (2019): 119–22. http://dx.doi.org/10.15421/40290623.
Full textAbstract:
Сьогодні існує багато методів відновлення пропущених параметрів у даних, але для кожної області застосування використовують різні методи заповнення пропусків. У роботі проаналізовано такі методи оброблення пропусків: видалення елементів з пропусками, метод зважування та заповнення пропущених параметрів. Описано механізми утворення пропущених параметрів, за яких ймовірність пропусків для кожного запису набору однакова, за яких ймовірність пропусків визначається на основі іншої наявної інформації без пропусків та за яких дані відсутні залежно від невідомих чинників. Проаналізовано методи заповнення пропущених параметрів у даних екологічного моніторингу, такі як: методи середнього значення, наївного прогнозу та регресійного моделювання. Описано такі методи відновлення пропусків на основі регресійного моделювання: багатошаровий персептрон; Adaptive Boosting; метод опорних векторів; Random Forest та метод лінійної регресії з використанням стохастичного градієнтного спуску. Виконано порівняння найпростіших методів заповнення пропусків та методів відновлення пропусків на основі регресійних моделей. Експериментально доведено, що попередньо розроблений метод заповнення пропусків на основі нейроподібної структури моделі послідовних геометричних перетворень є найефективнішим методом, оскільки показує найточніші результати.
20
Ivashchenko, Heorhii, Vladyslav Ponamarov та Vladyslav Kholiev. "КОРОТКОСТРОКОВЕ ПРОГНОЗУВАННЯ НЕСТАЦІОНАРНИХ ЧАСОВИХ РЯДІВ З ВИКОРИСТАННЯМ МОДЕЛЕЙ MLP ТА LSTM". Системи управління, навігації та зв’язку. Збірник наукових праць 1, № 71 (2023): 91–95. http://dx.doi.org/10.26906/sunz.2023.1.091.
Full textAbstract:
Актуальність. Рішення завдання прогнозування відіграє важливу роль у процесах стратегічного планування та оперативного управління у різних сферах господарчої діяльності. Формою прогнозування є прогнозування часових рядів, при якому актуальною проблемою залишається вибір доцільного методу серед сучасних засобів обчислювального інтелекту, таких як штучні нейронні мережі. Проблема вибору обумовлена великою кількістю параметрів та налаштувань, які залежать від особливостей прогнозованого часового ряду, та суттєво впливають на якість отриманого прогнозу. Метою даної роботи є аналіз методів короткострокового прогнозування нестаціонарних часових рядів з використанням моделей штучних нейронних мереж, таких як багатошаровий персептрон та довга короткострокова пам’ять. Об’єктом дослідження є процес прогнозування часових рядів. Предметом дослідження є використання моделей штучних нейронних мереж для короткострокового прогнозування. Результати. Експериментальні дослідження показали, що середня помилка при прогнозуванні за допомогою запропонованих засобів на 2-6% нижче у порівнянні з використанням поширених традиційних моделей. Висновок. Отримані результати підтверджують перевагу використання моделей MLP та LSTM перед прогнозуванням на основі методів, обраних для аналізу у M3-Competition.
21
А. Б. Мименбаева, А. Х. Нұрбекова, Г. К. Бекмағанбетова, Н. Н. Никамбаева та Г. Н. Турсынгалиева. ""STATISTICA жүйесінде дақылдардың өнімділігін БОЛЖАУ модельдерін құру "". Bulletin of Toraighyrov University. Energetics series, № 3,2023 (29 вересня 2023): 265–78. http://dx.doi.org/10.48081/qswv9292.
Full textAbstract:
"Мақалада ауылшаруашылығы дақылдарының өнімділігін болжауға арналған модельдері мен әдістері қарастырылған. Зерттеу барысында осы бағыттағы соңғы жылдардағы Web of Science, Scopus деректер қорындағы отандық және шетел ғылыми еңбектер зерделенген. Сонымен қатар, 2012-2022 жылдар аралығындағы «Солтүстік Қазақстан ауыл-шаруашылығы тәжірибелік станциясы» ЖШС-інде өсірілетін жаздық бидайдың өнімділігі мысалында Statistica жүйеісн қолданып, болжау әдістеріне тоқталған. Қарастырылған жылдардағы жаздық бидай өнімділігінің экономикалық-математикалық моделі дәрежелік фунцкия түрінде құрылған. Корреляциялық талдау әдісі арқылы осы жылдардағы вегетациялық кезеңдегі ауа температурасы мен жаздық бидай өнімділігінің арасындағы байланыс зерттеліп, нақты және болжамдық мәндер шашыранды диаграмма арқылы көрсетілген. Жасанды персептрон нейрондық желісі арқылы болжамдық моделдер құрылып, ең жақсы нәтиже беретін болжамдау моделі таңдалып алынған. Сонымен қатар, қарастырылған экономикалық-математикалық талдау, сараптау, статистикалық талдау және жасанды нейрондық әдістеріне терең тоқталып, нәтижесінде әр әдіске байланысты нақты тұжырымдар ұсынылған. Мақала авторлардың осы бағытта соңғы жылдары жүргізіліп жатқан ғылыми зерттеу жұмыстарының жалғасы болып табылады және аталған серіктестіктің ғылыми-зерттеу бөлімінің қызметкерлеріне, осы салада зерттеу жүргізетін мамандарға, докторанттарға бағыт беруге көмектеседі. Кілтті сөздер. Астық өнімділігі, математикалық модель, жасанды нейрондық желі, болжау әдістері, статистикалық болжау "
22
Частикова, В. А., С. А. Жерлицын, and Д. О. Войлова. "Neural network system for biometric identification of a person by voice." Вестник Адыгейского государственного университета, серия «Естественно-математические и технические науки», no. 1(316) (June 16, 2023): 70–79. http://dx.doi.org/10.53598/2410-3225-2023-1-316-70-79.
Full textAbstract:
Рассматривается подход к реализации системы идентификации личности по одной из биометрических характеристик – голосу. Описываются основные факторы, приведшие к расширению области применения средств биометрической идентификации. Приводятся базовые характеристики голоса, позволяющие использовать его в качестве фактора идентификации. Раскрываются подробности предметной области проводимого исследования: перечисляются виды систем идентификации личности по голосу, основные этапы и варианты их работы. Проводится обоснование актуальности и постановка задачи: разработка и сравнение двух подходов биометрической идентификации личности по голосу на основе разных архитектур нейронных сетей – многослойного персептрона и сверточной нейронной сети (convolutional neural network, CNN). Разработанные системы включают в себя этап предварительной обработки сигнала: выделения значимых голосовых характеристик, удаление шумов, пауз, тишины, а также формирование спектрограмм в графическом виде. Приводятся алгоритмы работы модулей идентификации на основе обеих рассматриваемых архитектур нейронных сетей, описываются механизмы работы каждой из них и детальное описание конфигураций. По итогам проведенных экспериментов были сделаны выводы об эффективности применения данных архитектур: сверточная нейронная сеть показала 98,7% точность распознавания и обошла многослойный персептрон на 5,6% при обучении на той же выборке. The article considers an approach to the implementation of a system of identification of a person by one of the biometric characteristics – voice. The main factors that led to the expansion of the scope of biometric identification tools are described. The basic characteristics of the voice are given, allowing it to be used as an identification factor. The details of the subject area of the research are revealed: the types of voice identification systems, the main stages and variants of their work are listed. The substantiation of the relevance and formulation of the problem is carried out: the development and comparison of two approaches to biometric identification of a person by voice based on different neural network architectures: a multilayer perceptron and a convolutional neural network. The developed systems include a stage of signal preprocessing: the allocation of significant voice characteristics, the removal of noise, pauses, silence, as well as the formation of spectrograms in graphical form. Algorithms for the operation of identification modules based on both considered neural network architectures are given; the mechanisms of operation of each of them and a detailed description of configurations are described. Based on the results of the experiments, conclusions were drawn about the effectiveness of using these architectures: the convolutional neural network showed 98.7% recognition accuracy and bypassed the multilayer perceptron by 5.6% when training on the same sample.
23
Жуковський, Дмитро, та Людмила Лозовська. "АНАЛІЗ ВИКОРИСТАННЯ МЕТОДІВ МАШИННОГО НАВЧАННЯ В АНАЛІТИЦІ ПОКАЗНИКІВ ІНТЕРНЕТ РЕСУРСІВ". Сталий розвиток економіки, № 2(47) (29 грудня 2023): 65–69. http://dx.doi.org/10.32782/2308-1988/2023-47-9.
Full textAbstract:
У сучасних умовах в результаті цифровізації соціально-економічних явищ все більше підприємств переводять свій бізнес до мережі Інтернет. Сучасні веб -технології дозволяють збирати великі масиви статистичних даних для аналізу ефективності економічної діяльності інтернет-ресурсів. Для прийняття більш правильних управлінських рішень поряд з класичними статистичними методами доцільно використовувати методи машинного навчання. У статті описані базові методи машинного навчання та різні приклади застосування їх для розв’язання задач у сфері аналітики веб ресурсів. Проаналізовано проблеми, по’вязані з недостатньою ефективністю класичних статистичних методів для прийняття оптимальних управлінських рішень. Досліджено різні напрями цифрової економіки, де можуть застосовуватись методи машинного навчання як альтернатива до класичних статистичних методів. Наведено приклади впровадження методів машинного навчання для підвищення ефективності реалізації різного роду задач у цифровому бізнес середовищі діяльності підприємств. У науковій статті описані такі види задач наукового навчання як: 1) застосування методів навчання з вчителем для прогнозування доходів у проектах електронної комерції; 2) використання методів навчання без вчителя для сегментації користувачів; 3) впровадження методів машинного навчання для розробки систем рекомендацій; 4) використання алгоритмів штучного інтелекту для прогнозування та виявлення аномалій; 5) інтеграція генетичних алгоритмів для оптимізації онлайн-рекламних кампаній; 6) застосування методу моделювання підвищення для оптимізації витрат на маркетингову комунікацію; 7) впровадження алгоритму багаторукого бандита для оптимізації A/B-тестування; 8) проектування чат-ботів за допомогою різних типів нейронних мереж для обробки природної мови, таких як багатошаровий персептрон, згорткова нейронна мережа, рекурсивна нейронна мережа, рекурентна нейронна мережа та короткострокова пам'ять. Доведено доцільність застосування методів штучного інтелекту для розв'язання широкого спектру задач з аналізу показників інтернет ресурсів.
24
О., М. ГОРОБЧЕНКО. "МЕТОДОЛОГІЯ ВИЗНАЧЕННЯ ВЕЛИЧИНИ ПАРАМЕТРА СКЛАДНОСТІ НЕШТАТНОЇ СИТУАЦІЇ ПІД ЧАС ВЕДЕННЯ ПОЇЗДА". Science and Transport Progress, № 6(54) (10 грудня 2014): 50–58. https://doi.org/10.15802/stp2014/33077.
Full textAbstract:
<strong>Мета</strong>. При розробці інтелектуальних систем керування локомотивом постає необхідність в оцінці поточної поїзної ситуації з точки зору безпеки руху. Для того, щоб оцінити ймовірність розвитку різних нештатних ситуацій в транспортні події, необхідно визначити їх складність. Метою статті є розробка методології визначення складності нештатних ситуацій при керуванні локомотивом. <strong>Методика</strong>. Для досягнення поставленої мети накопичено статистичний матеріал порушень безпеки руху; причини порушень розділені на групи: технічний фактор, людський фактор та зовнішні впливи. За допомогою теорії гібридних мереж отримана модель, яка на виході дає параметр складності нештатної ситуації. Тип мережі: багатошаровий персептрон із гібридними нейронами першого шару та сигмоїдною функцією активації. З використанням методів теорії ймовірності проведено аналіз отриманих результатів. <strong>Результати</strong>. Розроблено підхід до формалізації виробничих ситуацій, які можуть бути описані тільки лінгвістично, що дозволило використати їх в якості вхідних даних моделі нештатної ситуації. Встановлено та обґрунтовано, що показник складності нештатної ситуації при веденні поїзду є величиною випадковою й підпорядковується нормальному закону розподілення. Отримано графік інтегральної функції розподілення, на якому визначені зони безпечної роботи та підвищеної небезпеки виникнення транспортної події. <strong>Наукова новизна.</strong> Запропоновано теоретичне підґрунтя визначення складності нештатних ситуацій в поїзній роботі, отримано максимальне значення параметру складності нештатної ситуації, що може бути допущено в умовах експлуатації. <strong>Практична значимість.</strong> Постійний моніторинг цієї величини дозволяє вчасно реагувати на загрозу виникнення небезпеки, а отримання її в чисельній формі – використовувати як один із вхідних параметрів для роботи інтелектуальної системи керування локомотивом, на підставі якого буде прийматися рішення про подальші керуючі дії.
25
Олег Александрович, Коленчуков, Бухтояров Владимир Викторович, Шепета Наталья Александровна, Башмур Кирилл Александрович та Сергиенко Роман Борисович. "Классификация технического состояния насосного агрегата с использованием интеллектуальной идентификации неисправностей". SCIENCE & TECHNOLOGIES OIL AND OIL PRODUCTS PIPELINE TRANSPORTATION 14, № 1 (2024): 36–47. http://dx.doi.org/10.28999/2541-9595-2024-14-1-36-47.
Full textAbstract:
Целью исследования является анализ эффективности применения методов интеллектуальной идентификации неисправностей при определении работоспособности подшипниковых узлов магистрального нефтяного насоса с учетом неустойчивого режима работы. Предложена двухконтурная автоматизированная система управления и диагностики состояния насосного агрегата 12НДс-Нм с его идентификацией как объекта вибронагрузки с применением методов машинного обучения. Моделирование системы выполнено с использованием программного пакета Matlab Simulink, для обучения моделей прогнозирования в качестве примера использовались ретроспективные данные вибродиагностики центробежного насоса в момент отказа. Применены современные средства машинного обучения с использованием таких базовых методов, как дерево решений, случайный лес, логистическая регрессия, многослойный персептрон. Обработка данных и обучение моделей проведено с помощью языка программирования Python и аналитической платформы Loginom, позволяющей минимизировать написание исходного кода. Прогнозирование с указанным набором методов и данных продемонстрировало невысокую точность моделей при мультиклассовом прогнозировании, составившую менее 60 %. При решении же задачи бинарной классификации системы (исправна/отказ) лучшую точность показала оптимизированная модель на основе алгоритма «Случайный лес» с применением метода главных компонент и подбора гиперпараметров: точность – 97,4 %, прецизионность – 99 %, полнота – 98 %. Точность модели простейшей нейронной сети – многослойного персептрона – составила 91 %. Полученные результаты исследований можно использовать при создании систем интеллектуального мониторинга и внедрения их на производственные участки для повышения эксплуатационной надежности нефтеперекачивающего оборудования, а также при корректировке сроков планово-предупредительного ремонта. The purpose of this study is to analyze the effectiveness of the use of intelligent fault identification methods in determining the operability of the bearing assemblies of the main oil pump, taking into account the unstable operating mode. A two-circuit automated control system and diagnostics of the state of the pumping unit 12NDs-Nm with its identification as an object of vibration loading using machine learning methods is proposed. The simulation of the system was carried out using the Matlab Simulink software package, and for training forecasting models, retrospective data of vibration diagnostics of a centrifugal pump at the time of failure were used as an example. Modern machine learning tools are applied, using such basic methods as decision tree, random forest, logistic regression, multi-layer perceptron. Data processing and model training were carried out using the Python programming language and the Loginom analytical platform, which allows minimizing the writing of source code. Forecasting with the specified set of methods and data demonstrated low accuracy of models in multiclass forecasting, amounting to less than 60 %. When solving the problem of binary classification (the system is working/system failure) the optimized model based on the ‘‘Random Forest’’ algorithm, using the principal component method and the selection of hyperparameters, showed the best accuracy of the system. Its accuracy is 97.4 %, precision is 99 %, completeness is 98 %. The accuracy of the model of the simplest neural network, the multilayer perceptron, was 91 %. The obtained research results can be used when creating intelligent monitoring systems and introducing them to production sites to improve the operational reliability of oil pumping equipment, as well as when adjusting the timing of scheduled preventive maintenance.
26
Стенін, О., В. Пасько, M. Солдатова та I. Дроздович. "Розпізнавання рукописних цифр на основі згорткових нейронних мереж". Адаптивні системи автоматичного управління 2, № 41 (2022): 39–44. http://dx.doi.org/10.20535/1560-8956.41.2022.271337.
Full textAbstract:
Відомо, що використання багатошарового персептрона з традиційною структурою при вирішенні реальних завдань розпізнавання та класифікації зображень викликає певні труднощі, зокрема, пов'язані з великою розмірністю зображення (це значно збільшує кількість нейронів та синаптичних зв'язків у нейронних зв'язках мережі і, отже, значно збільшує навчальну вибірку та час навчання). З іншого боку, ігнорується топологія вхідних даних. Компоненти вхідного шару можуть бути представлені у будь-якому порядку, незалежно від мети навчання. Однак зображеннямають сувору двовимірну структуру, в якій існує залежність між сусідніми у просторі пікселями. Цих недоліків позбавлені так звані згорткові нейронні мережі, що являють собою особливий клас багатошарових персептронів, спеціально призначених для розпізнавання двовимірних поверхонь з високим ступенем інваріантності домасштабування, переміщення, обертання, зміни кута та інших просторових перетворень. У цій статті обговорюється проблема практичної реалізації розпізнавання рукописних цифр на основі нейронних згорткових мереж (ЗНМ). Представлено архітектуру ЗНМ, для якої як функцію втрат на навчання рекомендується використовувати перехресну ентропію, а як функцію активації останнього шару ЗНМ — функцію Softmax. Також рекомендується використовувати відомий алгоритм зворотного розповсюдження реалізації алгоритму навчання ЗНМ. Для цього у статті подано основні співвідношення для помилок на кожному рівні.
 Бібл. 14, іл. 2.
27
Музыка, Максим Юрьевич, Маргарита Михайловна Благовещенская, Сергей Александрович Мокрушин та Владислав Германович Благовещенский. "Создание интеллектуального модуля- дегустатора для прогнозирования вкусовых качеств кефира". Хранение и переработка сельхозсырья, № 1 (30 березня 2022): 173–93. http://dx.doi.org/10.36107/spfp.2022.241.
Full textAbstract:
Одним из важнейших показателей качества готового кефира является вкус, который в настоящее время определяется органолептическими методами в лабораториях молочных предприятий. В статье рассмотрены проблемы органолептического контроля вкуса кефира. Показано, что такие оценки качества субъективны и несовершенны. Получение достоверных результатов и повышение объективности контроля вкуса готового кефира возможно за счет внедрения высокоэффективных интеллектуальных технологий в производственный процесс. Успешное решение этой задачи при минимальных затратах на подготовку и проведение анализов станет возможным благодаря внедрению в производственный процесс интеллектуального модуля- дегустатора (программно- аппаратного комплекса) контроля качества вкусовых показателей кефира, в основе алгоритма работы которого заложены нейросетевые технологии. Для решения задачи объективной оценки вкуса готового кефира разработана структура нейронной сети, типа многослойный персептрон с одним скрытым слоем, проведен анализ существующих автоматизированных систем управления технологическими процессами на предприятиях молочной промышленности, который показал, что в большинстве случаев, реализованные в настоящее время автоматизированные системы отвечают только за управление оборудованием технологической линии, а взаимодействие с уровнем управления производством отсутствует. Это в значительной мере сказывается на уровне автоматизации предприятия в целом. В статье подчеркивается важность создания интеллектуальной системы автоматического прогнозирования вкусовых качеств кефира. Подчеркнуто, что для функционирования та-кой системы необходимо разработка соответствующей модели прогнозирования, позволяющей увеличить точность прогноза и свести к приемлемому минимуму ошибку, тем самым уменьшив убытки, связанные с неопределенностью при принятии решений. Отмечено, что в последнее время наблюдается тенденция возрастания интереса к использованию моделей искусственных нейронных сетей для решения задач прогнозирования в раз-личных сферах человеческой деятельности. Представлены решаемые ими задачи. Разработана интеллектуальная система диспетчерского управления производством кефира с входящим в ее состав интеллектуальным модулем- дегустатором для прогнозирования вкусовых качеств кефира.
28
Левицька, Т., та Д. Железов. "Моделювання нейронних мереж для оцінки ринкової вартості об'єкта житлової нерухомості." COMPUTER-INTEGRATED TECHNOLOGIES: EDUCATION, SCIENCE, PRODUCTION, № 41 (15 грудня 2020): 59–64. http://dx.doi.org/10.36910/6775-2524-0560-2020-41-10.
Full textAbstract:
Представлено концепт системи з використання багатошарового персептрону для оцінки ринкової вартості об’єктів житлової нерухомості Виконано та обосновано відбір факторів, що впливають на ринкову вартість квартир. Проведено моделювання у середовищі Deductor Studio Academic та встановлено оптимальну архітектуру багатошарового персептрону та її параметри
29
Выборнова, О. Н., and И. А. Пидченко. "Malware detection system based on machine learning technology." МОДЕЛИРОВАНИЕ, ОПТИМИЗАЦИЯ И ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ 8, no. 3(30) (2020): 42–43. http://dx.doi.org/10.26102/2310-6018/2020.30.3.042.
Full textAbstract:
Непрерывный рост числа вредоносных программ делает актуальной задачу их обнаружения: классификации программ на вредоносные и безопасные. В связи с этим, данное исследование посвящено разработке системы обнаружения вредоносного программного обеспечения на основе машинного обучения, а именно, обучения искусственной нейронной сети с учителем. В ходе исследования проведен анализ структуры исполняемых PE-файлов операционной системы Windows, выбраны характеристики из PE-файлов для формирования обучающего множества, а также выбраны и обоснованы топология (четырехуровневый персептрон) и параметры антивирусной нейронной сети. Для создания и обучения модели использовалась библиотека Keras. При формировании обучающего множества применялась база данных безопасного и вредоносного программного обеспечения Ember. Выполнено обучение и проверка адекватности обучения разработанной модели распознавания вредоносного кода. Результаты обучения предложенной в рамках исследования антивирусной нейронной сети показали высокую точность обнаружения вредоносных программ и отсутствие эффекта переобучения, что свидетельствует о хороших перспективах применения модели. Хотя экспериментальная модель нейронной сети пока не способна полностью заменить антивирусные сканеры, материалы статьи представляют практическую ценность для задач классификации программ на вредоносные и безопасные. The continuous growth in the number of malicious programs makes the task of their detection urgent: classifying programs into malicious and safe. In this regard, this study is devoted to the development of a malware detection system based on machine learning, namely, training an artificial neural network with a teacher. In the course of the study, we analyzed the structure of Portable Executable files of the Windows operating system, selected characteristics from PE-files to form a training set, and also selected and substantiated the topology (four-level perceptron) and parameters of the antivirus neural network. The Keras library was used to create and train the model. The Ember dataset of safe and malicious software was used to form the training set. We have trained and verified the adequacy of training for the developed malicious code recognition model. The training results of the anti-virus neural network proposed in the study showed a high accuracy of malware detection and the absence of the overtraining effect, which indicates good prospects for using the model. Although the experimental model of a neural network is not able to fully replace the anti-virus scanners, the materials of the article are of practical value for the tasks of classifying programs into malicious and safe.
30
Романчук, В. А. "Evaluation of storage and functioning characteristics of artificial neural networks on the basis of a neurocomputer device." МОДЕЛИРОВАНИЕ, ОПТИМИЗАЦИЯ И ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ 8, no. 1(28) (2020): 23–24. http://dx.doi.org/10.26102/2310-6018/2020.28.1.023.
Full textAbstract:
Актуальность исследования обусловлена недостаточно развитым математическим аппаратом для описания и анализа функционирования класса нейрокомпьютерных устройств при решении задач, представленных в нейросетевом логическом базисе. В связи с этим, данная статья направлена на решение задачи оценки некоторых временных и количественных характеристик хранения и обработки искусственных нейронных сетей на базе нейрокомпьютерных устройств. Основным подходом к решению задачи является подход, согласно которому искусственная нейронная сеть рассмотрена с использованием теоретико-множественного подхода, что позволило получить аналитические соотношения исходя из количества операций эмуляции нейрона и связей между нейронами в соответствии с топологией нейросети. В статье представлены наиболее популярные и используемые топологии искусственных нейронных сетей (однослойный и многослойный персептрон, сети Хопфилда, сети Хемминга, сети BAM, сети Джордана, сети Элмана, сети АРТ различных модификаций, звезда Гроссберга, сети Кохонена, радиально-базисные нейросети, сети встречного распространения, сверточные сети), для которых приведены временные и количественные аналитические соотношения, позволяющие оценить цикл обучения искусственной нейронной сети, объем необходимой памяти и объем передаваемых данных. Материалы статьи представляют практическую ценность для решения задачи оценки и последующего повышения эффективности функционирования нейрокомпьютерных устройств при решении задач, представленных в нейросетевом логическом базисе, а также для выбора наиболее рациональной модели нейрокомпьютерного устройства. A solution is proposed for assessing the temporal and quantitative characteristics of the storage and processing of artificial neural networks based on a neurocomputer device. The most popular and used topologies of artificial neural networks are considered (single-layer and multi-layer perceptron, Hopfield networks, Hamming networks, BAM networks, Jordan networks, Elman networks, ART networks of various modifications, Grossberg star, Kohonen networks, radial basis neural networks, backward propagation networks, convolutional networks) for which analytical relationships are given to evaluate the training cycle of an artificial neural network, the amount of necessary memory and the amount of data transmitted. The difference between the proposed results is that to assess the functioning of artificial neural networks, approaches and characteristics inherent in the class of neuroprocessor devices are offered and only when implementing the calculations presented in the neural network logical basis, which allows to increase the efficiency of the task solution based on neurocomputer devices. An artificial neural network was considered using a set-theoretic approach, which allowed us to obtain analytical relationships based on the number of neuron emulation operations and connections between neurons in accordance with the topology of the neural network.
31
Зеленчук, Н. А., and О. К. Альсова. "DESIGN AND IMPLEMENTATION OF AGRICULTURAL CLASSIFICATION SOFTWARE." Южно-Сибирский научный вестник, no. 1(41) (February 28, 2022): 51–59. http://dx.doi.org/10.25699/sssb.2022.41.1.008.
Full textAbstract:
В настоящее время в сельскохозяйственной отрасли наблюдается постоянное увеличение объемов получаемых данных, возрастает потребность в их качественной обработке и точных расчетах для принятия обоснованных решений. Поэтому особую актуальность приобретают задачи, связанные с разработкой алгоритмов, методов и программного обеспечения для решения задач анализа и обработки данных в области сельского хозяйства с применением современных технологий и программных средств.В статье представлены результаты проектирования и реализации программного обеспечения (ПО) для решения задачи классификации сельскохозяйственных показателей на основе применения комплекса методов интеллектуального анализа данных и машинного обучения. В рамках проектной части работы описаны функциональные и нефункциональные требования к программному обеспечению, архитектура и структура проектируемой программы, технологии и программные средства реализации. Предложена укрупненная архитектура ПО, состоящая из двух частей: пользовательского приложения на языке программирования Java и ядра выполнения R-скриптов. В результате проектирования выделено пять модулей в структуре ПО: средства взаимодействия с данными, первичная обработка данных, классификация данных, автоматический подбор параметров алгоритмов и «интеллектуальный» модуль. В качестве средств реализации ПО предложено использовать стек технологий, а именно: язык статистических вычислений R для реализации методов анализа данных и язык Java для разработки графического пользовательского интерфейса для доступа к функциям анализа данных R.Также в статье приведено описание двух разработанных модулей программного обеспечения, а именно: модуля первичной обработки данных и модуля классификации данных. В модуле первичной обработки данных реализованы расчет основных числовых характеристик показателей, исследование законов распределения показателей на основе применения критериев согласия Шапиро-Уилка, Андерсона-Дарлинга, Крамера-фон Мизеса, Лиллиефорса, исследование взаимосвязей в данных с помощью методов корреляционного и дисперсионного анализов данных. В модуле классификации реализованы методы сэмплирования для решения проблемы несбалансированности данных, а также модели классификаторов: логистическая регрессия,наивный Байес, дискриминантный анализ, нейросетевой метод (персептрон), деревья решений, реализована возможность оценки точности получаемых моделей с помощью набора метрик. Приведен пример решения задачи классификации уровня засоренности участка с помощью нейронной сети (персептрона), точность классификации составила на тестовой выборке 0,73. The agricultural industry is currently experiencing a constant increase in the data obtained, the need for their quality processing and accurate calculations to support decision-making is increasing. Hence, the tasks related to the development of algorithms, methods and software for solving problems of analysis and processing of data in the field of agriculture using modern technologies and software are of particular relevance.The research paper provides the results of design and further implementation of software for agricultural indicators classification problem solving based on the complex application of data mining and machine learning methods. In the framework of the design part the functional and non-functional software requirements, the architecture and structure of the designed software, implementation technologies, and developing tools were included. The proposed large-scale software architecture consists of two parts: a user application based on the Java programming language and a kernel of R-scripts execution. The software design was defined to consist of five modules: data interaction tools, primary data processing, data analysis, automated selection of algorithm parameters, and «intelligent» module. To implement the software, it was proposed to use the technology stack: statistical computing language R for the realization of data analysis methods and Java to develop a graphical user interface to access the R data analysis functions.Another section provides a description of two developed software modules, namely: the module of primary data processing and the module of data classification. The module of primary data processing involves calculation of the main numerical features, the examination of the distribution laws based on the application of the Shapiro-Wilk, Anderson-Darling, Cramér-von Mises, Lilliefors consent criteria and tests, the analysis of relationships in the data using methods of correlation and variance analyses. The module of classification implemented methods of sampling to solve the problem of unbalanced data as well as models of classifiers: logistic regression, naive Bayes, discriminant analysis, neural network method (perceptron), decision trees. The ability to assess the accuracy of the obtained models using a set of metrics is realized. A case of solving the problem of classifying the level of crop infestation using a neural network (perceptron) is presented, the accuracy of classification was 0.73 on the test sample.
32
Kiselev, Evgeniy. "Methods of training multi-layer perceptron." Актуальные направления научных исследований XXI века: теория и практика 3, no. 7 (2015): 474–77. http://dx.doi.org/10.12737/14909.
Full text
33
Vasilyev, V. I., A. M. Vulfin, V. E. Gvozdev та R. R. Shamsutdinov. "Гибридная система обнаружения атак на основе комитета классификаторов". МОДЕЛИРОВАНИЕ, ОПТИМИЗАЦИЯ И ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ 10, № 4(39) (2022): 20–21. http://dx.doi.org/10.26102/2310-6018/2022.39.4.020.
Full textAbstract:
The issues of detecting network attacks to Industrial Internet of Things (IIoT) systems are analyzed. Existing approaches for detecting such attacks based on the use of artificial intelligence methods are considered. The high interest to integration of machine learning and artificial intelligence methods as a part of hybrid systems is emphasized. Such integration makes it possible to compensate the shortcomings of some algorithms due to the advantages of others. The goal of this research is to improve the efficiency of network attacks detection. The paper proposes the implementation of a multi-level hybrid attack detection system on the basis of combining several classifiers in the committee including the artificial immune system, the multilayer perceptron, and the random forest algorithm. The choice of these classifiers is due to their high classification efficiency and the ability of artificial immune system to detect unknown network attacks. The decision is made on the basis of the conclusion of each expert (classifiers) with the use of voting mechanism. Such approach provides more accurate result in accordance with the Condorcet's jury theorem. To carry out computational experiments for assessing the effectiveness of the proposed system, the NSL-KDD network traffic data set was employed. The results of experiments carried out demonstrate the high efficiency of the proposed hybrid attack detection system based on use of classifiers committee. В статье проанализированы вопросы обнаружения сетевых атак на системы промышленного Интернета вещей (Industrial Internet of Things, IIoT), рассмотрены существующие подходы к обнаружению таких атак, основанные на применении методов искусственного интеллекта. Подчеркнут высокий интерес к интеграции машинного обучения и методов искусственного интеллекта в составе гибридных систем. Такая интеграция позволяет компенсировать недостатки одних алгоритмов преимуществами других. Целью работы является повышение эффективности обнаружения сетевых атак. В статье предложено применение многоуровневой гибридной системы обнаружения атак на IIoT, основанной на комбинации нескольких классификаторов в составе комитета, включающего искусственную иммунную систему, многослойный персептрон, алгоритм случайного леса. Выбор этих классификаторов обусловлен их высокой эффективностью решения задач классификации, а также способностью искусственной иммунной системы обнаруживать неизвестные сетевые атаки. Решение принимается в результате вывода каждого эксперта (классификатора) на основе голосования. В соответствии с теорией присяжных Кондорсе такой подход обеспечивает более точный результат. Для проведения вычислительных экспериментов по оценке эффективности предлагаемой системы использовался набор данных сетевых соединений NSL-KDD. Результаты экспериментов демонстрируют высокую эффективность предлагаемой гибридной системы обнаружения атак на основе комитета классификаторов.
34
Каплинский, А. И., та А. М. Песин. "О построении быстро сходящихся методов негладкой оптимизации многослойного персептрона". Вестник ВГУ. Серия: Системный анализ и информационные технологии, № 4 (1 грудня 2018): 117–22. http://dx.doi.org/10.17308/sait.2018.4/1261.
Full textAbstract:
В статье предлагается подход к построению поисковых методов, обладающих высокой скоростью сходимости, для оптимизации критерия качества настройки многослойного персептрона. Рассматриваемая задача имеет непосредственное отношение к построению искусственных нейронных сетей и разработке нейрокомпьютеров.
35
Гороховатський, О. В., та О. В. Тесленко. "Розпізнавання зображень літер із використанням проекцій та багатошарового персептрону". Системи обробки інформації, № 2(148) (28 березня 2017): 163–67. http://dx.doi.org/10.30748/soi.2017.148.30.
Full text
36
Щаников, С. А., А. Д. Зуев, И. А. Борданов та ін. "ПРОЕКТИРОВАНИЕ И ПРОТОТИПИРОВАНИЕ МНОГОСЛОЙНОГО ПЕРСЕПТРОНА НА ОСНОВЕ МЕМРИСТИВНЫХ УСТРОЙСТВ ДЛЯ ДВУНАПРАВЛЕННОГО АДАПТИВНОГО НЕЙРОИНТЕРФЕЙСА". NANOINDUSTRY Russia 13, № 4s (2020): 577–78. http://dx.doi.org/10.22184/1993-8578.2020.13.4s.577.578.
Full textAbstract:
Рассмотрен процесс разработки многослойного персептрона на основе мемристивных устройств для двунаправленного адаптивного нейроинтерфейса. Предложен общий подход к обеспечению точности его функционирования с учетом влияния дестабилизирующих факторов.
37
Гелевера, Павел, та Татьяна Оболенцева. "РАЗРАБОТКА ПРОГРАММНОЙ ОБОЛОЧКИ ДЛЯ ПРОГНОЗИРОВАНИЯ ЗНАЧЕНИЙ УРОВНЯ РЯДА НА ОСНОВЕ НЕЙРОННЫХ СЕТЕЙ". Modern engineering and innovative technologies, № 05-01 (15 листопада 2017): 73–78. http://dx.doi.org/10.30890/2567-5273.2018-05-01-055.
Full textAbstract:
В работе рассматривается программный продукт, который позволяет сформировать произвольную структуру многослойного персептрона, при помощи которого можно прогнозировать уровень ряда. Рассмотрены методология формирования обучающей и тестовой выборок на осно
38
Васильев, Александр Владимирович. "Моделирование нейронной сети на примере персептрона в исследовании классификации объектов". Естественные и Технические Науки, № 08 (2020): 50–54. http://dx.doi.org/10.37882/2223-2966.2020.08.07.
Full text
39
Семин, М. А. "ИСПОЛЬЗОВАНИЕ МНОГОСЛОЙНОГО ПЕРСЕПТРОНА ДЛЯ НАСТРОЙКИ ПАРАМЕТРОВ ТЕПЛОФИЗИЧЕСКИХ МОДЕЛЕЙ ЗАМОРАЖИВАЕМЫХ ПОРОД". Горное эхо, № 1 (2022): 145–52. http://dx.doi.org/10.7242/echo.2022.1.22.
Full text
40
Порхун, О. В. "Встановлення діагнозу дерматологічних захворювань із застосуванням моделей розподіленого вихідного коду та персептрону". Наукові записки Національного університету "Києво-Могилянська академія" 151 (2013): 31–36.
Find full text
41
Тормозов, В. С., Tormozov V.S., К. А. Василенко, Vasilenko K.A., А. Л. Золкин та Zolkin A.L. "Настройка и обучение многослойного персептрона для задачи выделения дорожного покрытия на космических снимках города". Международный журнал "Программные продукты и системы" 22 (1 червня 2020): 343–48. http://dx.doi.org/10.15827/0236-235x.130.343-348.
Full text
42
Тимофеева, В. В., V. V. Timofeeva, Г. П. Стручкова, G. P. Struchkova, Т. А. Капитонова та T. A. Kapitonova. "ИСПОЛЬЗОВАНИЕ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ПРОГНОЗА МАКСИМАЛЬНОГО УРОВНЯ ВЕСЕННЕГО ПОЛОВОДЬЯ НА УЧАСТКЕ Р. ЛЕНА ВОЗЛЕ П. ТАБАГА". Проблемы безопасности и чрезвычайных ситуаций, № 1 (2021): 94–103. http://dx.doi.org/10.36535/0869-4176-2021-01-13.
Full textAbstract:
Прогнозирование максимальных уровней воды во время весеннего половодья на участках р. Лена необходимо для своевременной разработки превентивных мероприятий и минимизации размеров ущерба. Для чего предлагается использовать модели прогнозирования с использованием искусственных нейронных сетей (ИНС), которые обладают способностью обучаться, учитывать скрытые закономерности и приобретают исключительную важность при прогнозировании природно-техногенных экстремальных ситуаций. В статье приводится сравнение результатов прогнозирования с помощью сетей Элмана и многослойного персептрона (MLP). Сравниваются результаты использования различных структур сетей. Показано, что при моделировании на более длительный период, метод Элмана имеет небольшое преимущество перед методом MLP.
43
Ломакин, Н. И., Е. В. Кособокова, and К. Ю. Горло. "A neural network Rob-adviser using Big Data for exchange trading of a futures contract on the US dollar." Экономика и предпринимательство, no. 9(122) (October 3, 2020): 1269–73. http://dx.doi.org/10.34925/eip.2020.122.9.249.
Full textAbstract:
Рассмотрены теоретические основы оценки финансового риска временного ряда с использованием систем искусственного интеллекта. В работе исследуются некоторые математические модели биржевого инвестиционного портфеля. Разработана система искусственного интеллекта Rob-эдвайзер с использованием Big Data для биржевой торговли фьючерсным контрактом на американский доллар. Разработана система искусственного интеллекта, позволяющая получить точный прогноз цены фьючерса и при заданном уровне финансового риска, рассчитанного VaR-методом. Выдвинута и доказана гипотеза, что с помощью разработанной AI-системы, с использованием «новостных колебаний» и параметров японских свечей, можно получить очень точный прогноз цены закрытия SiU9. Новизна состоит в том, что нейросеть была обучена на комбинированной выборке данных, содержащих оцифрованные «новостные колебания» полученные программой Skraper с web-сайтов и параметры японских свечей временного ряда фьючерсного контракта на американский доллар SiU9 на 15 минутном таймфрейме. Предложенный подход отличается от известных ранее, что прогнозирование осуществляется нейросетью не только на исторических данных временного ряда, но и на оцифрованных «новостных колебания» полученные программой Skraper с web-сайтов и трансформированных программой Word2Vec. Как известно, Word2vec является эффективным инструментом для анализа семантики естественных языков в NLP. На платформе Deductor был сформирован персептрон, в котором содержится 305 параметров на входном слое, два скрытых слоя по 100 и 10 узлов, соответственно, и выходной слой с одним параметром - прогнозной ценой. Для сбора информации с Webсайтов была разработана программа Skraper, которая была размещена в фреймворке Spark. Разработанный нейросетевой алгоритм позволяет торговать фьючерсным контрактом SiU9, формируя сигналы для отправки ордера на торговый терминал QUIK. The theoretical foundations for assessing the financial risk of a time series using artificial intelligence systems are considered. The work examines some mathematical models of the exchange investment portfolio. An artificial intelligence system Rob-adviser using Big Data for exchange trading in a futures contract for the US dollar has been developed. An artificial intelligence system has been developed that makes it possible to obtain an accurate forecast of the futures price even at a given level of financial risk calculated by the VaR method. The hypothesis was put forward and proved that with the help of the developed AI-system, using “news fluctuations” and parameters of Japanese candlesticks, it is possible to obtain a very accurate forecast of the closing price of SiU9. The novelty lies in the fact that the neural network was trained on a combined sample of data containing digitized “news fluctuations” obtained by the Skraper program from websites and parameters of Japanesecandlesticks of the time series of the futures contract for the US dollar SiU9 on a 15 minute timeframe. The proposed approach differs from the previously known ones that forecasting is carried out by a neural network not only on historical time series data, but also on digitized "news fluctuations" obtained by the Skraper program fromweb sites and transformed by the Word2Vec program. As you know, Word2vec is an effective tool for analyzingthe semantics of natural languages in NLP. On the Deductor platform, a perceptron was formed, which contains305 parameters on the input layer, two hidden layers of 100 and 10 nodes, respectively, and an output layer withone parameter - the forecast price. To collect information from Web sites, the Skraper program was developed,which was hosted in the Spark framework. The developed neural network algorithm allows trading the SiU9 futures contract by generating signals for sending an order to the QUIK trading terminal.
44
Фролов, С. В., С. В. Синдеев, А. А. Коробов, К. С. Савинова, and А. Ю. Потлов. "Two-stage procedure for the synthesis of control of nonlinear non-stationary objects using a multilayer perceptron." МОДЕЛИРОВАНИЕ, ОПТИМИЗАЦИЯ И ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ 8, no. 3(30) (2020): 28–29. http://dx.doi.org/10.26102/2310-6018/2020.30.3.028.
Full textAbstract:
Представлен обзор методов нейроуправления и анализ их достоинств и недостатков. Поставлена задача поиска квазиоптимальных настроечных параметров нейроуправления нелинейным нестационарным объектом при наличии случайных возмущений. Предложена процедура синтеза управления нелинейными нестационарными объектами с использованием многослойного персептрона, состоящая из двух этапов. На первом этапе решается задача робастного нейроуправления путем поиска вектора настроечных параметров алгоритма адаптации на основе предполагаемого множества вариантов модели объекта. Найденные настроечные параметры алгоритма адаптации используются на втором этапе – безмодельном нейроуправлении, на котором осуществляется поиск квазиоптимальных настроечных параметров алгоритма безмодельного нейроуправления. Устойчивость поиска настроечных параметров алгоритма безмодельного нейроуправления достигается за счет применения метода регуляризации. На основе модельного примера показана эффективность и устойчивость предложенной процедуры синтеза управления нелинейными нестационарными объектами. В численном эксперименте был выбран объект, описываемый нелинейным дифференциальным уравнением с коэффициентами, которые зависят от времени. На первом этапе было сформировано случайным образом 20 вариантов модели объекта, найдена архитектура нейронной сети, настроечные коэффициенты алгоритма адаптации. Нейронная сеть включает 2 нейрона во внутреннем слое и использует сигмоидальную функцию активации. На втором этапе проведены численные исследования процесса адаптивного управления. В результате работы алгоритма адаптации степень затухания переходных процессов превышает 50% и процесс управления является устойчивым при значительном отклонении параметров объекта от номинальных значений. Представленный метод является эффективным при управлении многосвязными нестационарными нелинейными объектами в робототехнике, в транспортных системах, химических производствах. The review of neurocontrol methods and analysis of their advantages and disadvantages is presented. The problem of searching of quasioptimal tuning parameters of neurocontrol for nonlinear non-stationary objects in the presence of random disturbances is formulated. A procedure for the synthesis of control for nonlinear non-stationary objects using a multi-layer perceptron, which consists of two stages, is presented. In the first stage the problem of finding a robust neurocontrol vector tuning parameters for adaptation algorithm based on the proposed set of variants of the model is solved. Founded tuning parameters for adaptation algorithm are used in the second stage - model-free neurocontrol, which searching for quasi-optimal tuning parameters for the algorithm of model-free neurocontrol. Stability of tuning parameters search procedure for the algorithm of model-free neurocontrol achieved by using the regularization method. Effectiveness and stability of the proposed procedure for the synthesis of control for nonlinear non-stationary objects are shown using the model example. In the numerical experiment, an object was chosen that was described by a nonlinear differential equation with coefficients that depend on time. At the first stage, 20 variants of the object model were randomly generated, the architecture of the neural network, the tuning coefficients of the adaptation algorithm were found. The neural network includes 2 neurons in the inner layer and uses a sigmoidal activation function. At the second stage, numerical studies of the adaptive control process were carried out. As a result of the adaptation algorithm, the degree of attenuation of transient processes exceeds 50% and the control process is stable with a significant deviation of the object's parameters from the nominal values. The presented method is effective for the control of multiply connected non-stationary nonlinear objects in robotics, transport systems, and chemical industries.
45
Валиев, Всеволод Сергеевич, Дмитрий Владимирович Иванов, Асия Тихоновна Горшкова, Ольга Николаевна Урбанова та Ирина Викторовна Мустакимова. "ИСПОЛЬЗОВАНИЕ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ ДЛЯ РЕШЕНИЯ ЗАДАЧ ИНТЕРПОЛЯЦИИ РУСЛОВОГО СТОКА (НА ПРИМЕРЕ РЕКИ КАЗАНКИ)". Российский журнал прикладной экологии, № 2 (26 червня 2023): 45–48. http://dx.doi.org/10.24852/2411-7374.2023.2.45.48.
Full textAbstract:
Анализируются возможности использования искусственной нейронной сети на парадигме многослойного персептрона для интерполяции значений русловых расходов воды по длине реки Казанки. Эксперимент продемонстрировал высокую эффективность полученной нейросетевой модели, которая оказалась точнее линейных и полиномиальных аппроксиматоров, традиционно использующихся для решения подобных задач. Полученная модель может быть использована при оценках нормативно-допустимых сбросов на любом участке реки.
 Список литературы
 
 Буч Г. Объектно-ориентированное проектирование с примерами применения. М.: Конкорд, 1992. 519 с.
 Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика. М.: Горячая линия-Телеком, 2002. 382 с.
 Хайкин С. Нейронные сети: полный курс. М.: ООО «И.Д. Вильямс», 2006. 1104 с.
 Ясницкий Л.Н. Введение в искусственный интеллект. М.: Издательский центр «Академия», 2008. 176 с.
46
Avakin, S., S. Dovhopolyi, O. Zaporozhets та I. Moshchenko. "КОРИГУВАННЯ ФУНКЦІЇ ПЕРЕТВОРЕННЯ ЗАСОБІВ ВИМІРЮВАННЯ З ВИКОРИСТАННЯМ НЕЙРОМЕРЕЖЕВОГО ПІДХОДУ". Системи управління, навігації та зв’язку. Збірник наукових праць 2, № 80 (2025): 41–46. https://doi.org/10.26906/sunz.2025.2.041.
Full textAbstract:
У статті розглянуто способи зменшення впливу нелінійності функції перетворення засобів вимірювання на точність результату вимірювання шляхом застосування додаткового пристрою-коректора, який реалізує зворотну по відношенню до функції перетворення залежність. Метою дослідження є вивчення можливостей застосування у якості такого коректора штучних нейронних мереж, а саме багатошарового персептрона та радіальнобазисної нейромережі. За допомогою імітаційного комп’ютерного моделювання досліджено працездатність запропонованих методів коригування функції перетворення, вплив виду нелінійності на якість такого коригування. Здійснено порівняльний аналіз з традиційними підходами, а саме коректором на базі поліноміального апроксиматора. Результати моделювання свідчать про те, що точність нейромережевих коректорів не поступається точності поліноміального коректора, а у деяких випадках навіть вище. Це відкриває перспективи ширшого застосування у вимірювальній техніці таких сучасних методів обробки даних вимірювань, як штучні нейронні мережі.
47
ТАМОВ, Мурат Мухамедович, Ольга Валентиновна РУДЕНКО та Мина Ибрахим Фахми САЛИБ. "Нейросетевые расчеты прочности наклонных сечений балок из сверхвысокопрочного бетона". Promyshlennoe i Grazhdanskoe Stroitel'stvo, № 4 (3 квітня 2024): 50–57. http://dx.doi.org/10.33622/0869-7019.2024.04.50-57.
Full textAbstract:
Предложен подход к построению нейросетевых моделей для расчета прочности наклонных сечений балок из сверхвысокопрочного бетона. Для нейронных сетей принята архитектура в виде многослойного персептрона с одним промежуточным слоем, которая является наиболее подходящей для моделирования нелинейной регрессии. Входящими переменными для расчета служат параметры, оказывающие влияние на прочность наклонных сечений, - размеры поперечного сечения, пролет среза нагружения, сопротивление бетона растяжению, коэффициент продольного армирования. Для повышения скорости сходимости алгоритма обучения нейронных сетей ко всем переменным применена минимаксная нормализация. Обучение осуществлялось квазиньютоновским методом с последующим отбором по показателям производительности нейронной сети. Проверку возникновения нежелательного эффекта переобучения производили контролем изменения значений среднеквадратичной ошибки. Точность расчета при помощи четырех отобранных нейронных сетей оказалась достаточно высокой. При этом все отобранные нейронные сети обнаруживают зависимость разрушающих поперечных сил от конструктивных характеристик балок и параметров нагружения, принятых в качестве входящих переменных.
48
Сікірда, Ю. В., Т. Ф. Шмельова, М. В. Касаткін та Ю. Б. Ситник. "Інтелектуальна оцінка ризику сумісного прийняття помилкових рішень пілотом та авіадиспетчером в особливих випадках в польоті". Наука і техніка Повітряних Сил Збройних Сил України, № 1(46) (17 лютого 2022): 44–50. http://dx.doi.org/10.30748/nitps.2022.46.06.
Full textAbstract:
Для оцінки ризику сумісного прийняття помилкових рішень пілотом та авіадиспетчером в особливих випадках в польоті (ОВП) була розроблена чотиришарова рекурентна нейронна мережа з додатковими входами – зсувами: перший шар (вхід) – збитки при виникненні ОВП в залежності від виду польотної ситуації; другий шар (прихований) – нормативний час на виконання технологічних процедур з парирування ОВП; третій шар (прихований) – нормативна послідовність виконання технологічних процедур з парирування ОВП; четвертий шар (вихід) – оцінка ризику при виникненні ОВП. Розроблена нейромережева модель за рахунок зсувів дає змогу врахувати взаємодію між пілотом та авіадиспетчером при виконанні технологічних процедур з парирування ОВП і за допомогою зворотного зв’язку коригувати прогнозовану оцінку ризику сумісного прийняття помилкових рішень на основі динамічних даних про дотримання операторами узгоджених нормативів часу та нормативної послідовності дій. За допомогою нейроемулятора NeuroSolutions на прикладі ОВП “Відмова та пожежа двигуна на повітряному судні при наборі висоти після зльоту” побудовано та навчено з вчителем процедурою оберненого поширення помилки багатошарового прямонаправленого персептрона зі зсувами.
49
Алибалаева, Лейла Ибрагимовна, Виктория Михайловна Савинова та Зульфари Нигматулаевна Жамолатова. "ПРИМЕНЕНИЕ ГИБРИДНЫХ МОДЕЛЕЙ ПРОГНОЗИРОВАНИЯ ЭФФЕКТИВНОСТИ РЕГИОНА НА ПРИМЕРЕ РЕСПУБЛИКИ ДАГЕСТАН". Региональные проблемы преобразования экономики, № 5 (17 вересня 2019): 74. http://dx.doi.org/10.26726/1812-7096-2019-5-74-79.
Full textAbstract:
Цель работы — обоснование возможности и перспективы использования методов машинного обучения для прогнозирования и оценки эффективности социально-экономической деятельности региона на примере Республики Дагестан. В рамках проведенных исследований использовался гибридный подход к прогнозированию на основе регрессионных и нейросетевых моделей прогнозирования. В качестве метода обучения нейронной сети был выбран метод обратного распространения ошибки. Верификация модели искусственной нейронной сети производилась посредством расчета средней относительной ошибки. Были построены регрессионные модели для исследуемых показателей, в качестве которых выступали реальные денежные доходы населения, расходы населения, доходы от собственности, доходы от предпринимательской деятельности, номинальная заработная плата, сбережения населения во вкладах и ценных бумагах, расходы на продукты и услуги, оплата обязательных платежей и взносов, покупка валюты, остатки наличных денег на руках. Однако для трех показателей результаты прогноза были недостаточно удовлетворительны. Для них была построена нейронная сеть на основе многослойного персептрона, что позволило улучшить значения точности и качества прогнозов. Результаты проведенного исследования могут быть использованы в дальнейшем для создания полноценной модели оценки эффективности региона, которая позволит обоснованно принимать решения и управлять деятельностью региона. Делается вывод, что построение гибридной модели является наиболее оптимальным методом в условиях неопределенности, недостаточности данных и их нечеткости.
50
Муканова, Жанна, та Сабыржан Атанов. "РАЗРАБОТКА МОДЕЛИ НЕЙРОННОЙ СЕТИ ДЛЯ АНАЛИЗА ГАЗОВЫХ СМЕСЕЙ". Вестник КазАТК 132, № 3 (2024): 350–60. http://dx.doi.org/10.52167/1609-1817-2024-132-3-350-360.
Full textAbstract:
Проблема производственных травм остается значимой в Казахстане и мировом масштабе. Исследования отечественных ученых показывают, что основными лидирующими отраслями с наиболее высокими показателями производственного травматизма уже многие годы стабильно остаются обрабатывающая, горнодобывающая и строительная отрасли, а одной из причин является высокий уровень загазованности рабочих помещений. Целью данного исследования являются выбор архитектуры и разработка нейронной сети для мультиспектрального газоанализатора, способная проводить качественный анализ газовых смесей в воздушной среде на наличие опасных газов, которую в дальнейшем планируется использовать при разработке газоанализатора. В работе показан процесс разработки однослойного персептрона, предназначенного для анализа предварительно обработанных спектральных данных, с одним входным слоем, одни скрытым слоем и одним выходным слоем. Представлена математическая модель предложенной архитектуры нейронной сети. А также реализован программный код на языке программирования Python для построения, обучения и тестирования нейронной сети. Исследования показали, что в выходном слое наиболее подходящей функцией активации является функция Softmax. В скрытом слое может быть применена любая из рассмотренных функций. Однако, наилучшие результаты показала функция активации ReLU. При этом количество нейронов в скрытом слое – 45, а для обучения данной нейронной сети достаточно 37 итераций.