Please use this identifier to cite or link to this item: http://essuir.sumdu.edu.ua/handle/123456789/66388
Or use following links to share this resource in social networks: Recommend this item
Title Оптимізація контрольних допусків на ознаки розпізнавання під час машинного навчання
Other Titles Оптимизация контрольных допусков на признаки распознавания при машинном обучении
Optimization of controlled damages on the recognition in the master education
Authors Бібик, М.В.
Dovbysh, Anatolii Stepanovych  
ORCID http://orcid.org/0000-0003-1829-3318
Keywords система підтримки прийняття рішень
система поддержки принятия решений
decision support system
інформаційно-екстремальний алгоритм
информационно-экстремальный алгоритм
information-extreme algorithm
коефіцієнт функціональної ефективності
коэффициент функциональной эффективности
coefficient of functional efficiency
контрольні допуски на ознаки розпізнавання
контрольные допуски на признаки распознавания
control tolerances for signs of recognition
Type Article
Date of Issue 2017
URI http://essuir.sumdu.edu.ua/handle/123456789/66388
Publisher Сумський державний університет
License
Citation Бібик, М.В. Оптимізація контрольних допусків на ознаки розпізнавання під час машинного навчання [Текст] / М.В. Бібик, А.С. Довбиш // Журнал інженерних наук. – 2017. – Т. 4, № 1. – С. H1-H6.
Abstract Розглянуто інформаційно-екстремальний алгоритм навчання здатної навчатися системи підтри- мання прийняття рішень як складової автоматизованої системи керування енергоблоком теплоелектроцентралі з оптимізацією контрольних допусків на ознаки розпізнавання. У рамках інформаційного синтезу структуру алгоритму навчання СППР з оптимізацією СКД на ознаки розпізнавання доцільно розробляти на базі категорійної моделі, яка є відображенням множин, задіяних у машинному навчанні, та є узагальненням орієнтованого графа, в якому ребра є операторами перетворення відповідних множин. Алгоритм інформаційно-екстремального навчання СППР полягає в ітераційній процедурі наближення глобального максимуму інформаційного КФЕ до його граничного значення шляхом оптимізації параметрів функціонування СППР. Установлено залежність функціональної ефективності машинного навчання СППР від контрольних допусків на ознаки розпізнавання. При цьому недостатньо високе значення КФЕ навчання СППР обумовлює необхідність оптимізації інших параметрів навчання, що впливають на її функціональну ефективність.
Рассмотрен информационно-экстремальный алгоритм обучения способной учиться системы поддержки принятия решений как составляющей автоматизированной системы управления энергоблоком теплоэлектроцентрали с оптимизацией контрольных допусков на признаки распознавания. В рамках информационного синтеза структуру алгоритма обучения системы принятия решений с оптимизацией системы контрольных допусков на признаки распознавания целесообразно разрабатывать на базе категорийной модели, являющейся отражением множеств, задействованных в машинном обучении, и представляет обобщение ориентированного графа, в котором ребра являются операторами преобразования соответствующих множеств. Алгоритм информационно-экстремального обучения СППР состоит в итерационной процедуре приближения глобального максимума информационного коэффициента функциональной эффективности к его предельному значению путем оптимизации параметров функционирования СППР. Установлена зависимость функциональной эффективности машинного обучения СППР от контрольных допусков на признаки распознавания. При этом недостаточно высокое значение КФЕ обучения СППР обусловливает необходимость оптимизации других параметров обучения, влияющих на ее функциональную эффективность.
Information considered extreme learning algorithm is able to study decision support system as part of the automated control system combined heat and power unit with optimized control tolerances recognition. Within the framework of information fusion algorithm optimization studies DSS ACS for signs of recognition expedient design based on categorical model, which is a reflection of sets involved in machine learning and generalization represents a directed graph, where edges are the respective operators transform sets. Algorithm extreme training information DSS is approaching iterative procedure CFE global maximum information to its limit value by optimizing the parameters of DSS. The dependence of the functional efficiency of machine learning DSS’s on the control tolerances on the recognition attributes is established. This value is not high enough CFE DSS training necessitates optimization of other parameters of the study, which affect its functional efficiency. Optimization of control tolerances on recognition features allowed to increase more than twice the value of the informational CFE machine learning DSS.
Appears in Collections: Journal of Engineering Sciences / Журнал інженерних наук

Views

Canada Canada
1
France France
1943
Germany Germany
8417643
Greece Greece
1
Ireland Ireland
1096660
Lithuania Lithuania
1
Norway Norway
1
Serbia Serbia
1
Ukraine Ukraine
634538057
United Kingdom United Kingdom
45884057
United States United States
340211057
Unknown Country Unknown Country
119463344

Downloads

China China
1
France France
1
Germany Germany
1
Lithuania Lithuania
1
Ukraine Ukraine
634538056
United Kingdom United Kingdom
1
United States United States
8417637
Unknown Country Unknown Country
6

Files

File Size Format Downloads
Bibyk_Dovbysh_JES_2017_1_4_H1-H6.pdf 721,56 kB Adobe PDF 642955704

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.