штучні нейронні мережі

В статті подано результати дослідження можливостей застосування нейронних мереж для розв’язання задачі визначення активного складу вітрової електричної станції (ВЕС) з врахуванням коефіцієнта ефективності кожної вітроелектричної установки (ВЕУ).

Автоматичний переклад, розпізнавання мови та її синтез, розпізнавання об'єктів та навіть людських емоцій – надзвичайно складні завдання, із якими легко справляються сучасні смартфони. Їх ефективна реалізація стала можливою завдяки широкому застосуванню алгоритмів штучного інтелекту та машинного навчання, серед яких надзвичайно популярними є штучні нейронні мережі та алгоритми глибокого навчання. Ці алгоритми проникли в усі галузі індустрії, а їх стрімкий розвиток неможливий без застосування апаратної акселерації та чіткої взаємодії між апаратними складовими та програмним забезпеченням.

Ця ро­бо­та прис­вя­че­на проб­ле­мі іден­ти­фі­ка­ції ре­оло­гіч­них па­ра­мет­рів де­ре­ви­ни з ви­ко­рис­тан­ням штуч­них нейрон­них ме­реж з роз­па­ра­ле­ле­ним ал­го­рит­мом нав­чан­ня за до­по­мо­гою мо­ви прог­ра­му­ван­ня Python, фреймвор­ку Cha­iner та тех­но­ло­гії CU­DA. Роз­роб­ле­но ін­те­лек­ту­аль­ну сис­те­му іден­ти­фі­ка­ції ре­оло­гіч­них па­ра­мет­рів де­ре­ви­ни. Ство­ре­на сис­те­ма міс­тить мак­си­маль­но зро­зу­мі­лий ін­тер­фейс ко­рис­ту­ва­ча, весь не­об­хід­ний ком­плекс інстру­мен­тів для ав­то­ма­ти­за­ції про­це­су ві­зу­алі­за­ції та ана­лі­зу да­них.

В статті розглянуто питання обробки інформації при розв’язанні задач технологічної підготовки виробництва. Для цього пропонується використовувати ефективні методи багатовимірного статистичного аналізу і штучні нейронні мережі. Програмно реалізовано алгоритми стиснення початкових масивів інформації методами факторного, компонентного аналізу і багатовимірного шкалування, алгоритми класифікації і розпізнавання образів методами дискримінантного і кластерного аналізу, а також алгоритми моделювання методами групового врахування аргументів і штучних нейронних мереж.

Мета досліджень. Головною метою досліджень є аналіз рельєфу різних поверхонь, а саме: виділення на загальній поверхні окремих ділянок певної форми, наприклад, схилів, що орієнтовані у заданому напрямку. Мета роботи – використання штучних нейронних мереж (ШНМ) для розв’язку задачі класифікації, яка полягає у створенні бінарного класифікатора та дослідження точності його роботи. Методика. Дослідження виконувались на ділянці земної поверхні.