нейронна мережа

Викладено  результати  дослідження  залежності  похибки  прогнозування  температури  потоку  води  та повітря  від  кількості  входів  нейронної  мережі  та  перевірки  навченої  нейронної  мережі  на  експериментальних  даних. Наведено  формулу  температурного  перехідного  процесу  та  описано  створення  тестових  послідовностей  для  навчання нейронних мереж. Подано малюнки  та  опис  устав,  за  допомогою  яких  виконано  вимірювання  значень  температурного перехідного процесу. Описано результати проведених експериментальних досліджень.

Розглянуто алгоритмічно-програмні засоби розпізнавання рукописних символів на зображенні за алгоритмом логістичної регресії та побудови штучної нейронної мережі (ШНМ). Здійснено порівняльний аналіз цих двох підходів. Виконано тестування рукописних цифр. Встановлено, що краща якість розпізнавання досягається у разі використання штучної нейронної мережі.

Викладено результати дослідження залежності похибок прогнозування значення температури із використанням нейронних мереж від розрядності аналогово-цифрового перетворювача. Описано алгоритм створення тестових послідовностей та навчання нейронних мереж. Наведено результати дослідження залежності похибки прогнозування значення температури від кількості входів нейронної мережі та від розрядності АЦП. Подано результати дослідження залежності середньої похибки прогнозування значення температури та залежності абсолютної непевності прогнозування значення температури від розрядності АЦП.

Розглянуто варіант послідовного застосування компресуючої нейронної мережі та методів контекстного моделювання для ефективного ущільнення даних, зокрема зображень та аудіосигналів. Запропонований метод оснований на поданні проміжного архіву зберігання даних у форматі чисел з фіксованою комою та забезпечує покращення характеристики щодо коефіцієнта компресування та якості відтворення первинних даних.

Проаналізовано нейронні мережі як засіб прогнозування значення температури за перехідним процесом. Розглянуто штучний нейрон як основу нейронної мережі. Наведено класифікацію нейронів залежно від функцій, які вони виконують в нейронній мережі, та основні види передавальних функцій нейрона. Подано класифікацію нейронних мереж за критерієм їх архітектури, алгоритму навчання та типу завдань, які вони можуть виконувати. Зроблено висновок, що для розв’язання поставленої задачі оптимальним є застосування нейронної мережі з архітектурою прямого поширення з алгоритмом навчання з вчителем.

Описано результати дослідження похибок прогнозування значення температури із використанням нейронних мереж, алгоритм створення та навчання нейронних мереж. Наведено результати дослідження залежності похибки прогнозування значення температури від кількості шарів у мережі, від кількості входів мережі та від кількості послідовностей для навчання. Дослідження залежності похибки прогнозування температури від кількості входів мережі виконано для двох випадків: за однакового часу вимірювання температури перехідного процесу і за різного.

The paper analyzes the main trends of search the basic direction and identifying the priority of electronic documents handling in the Internet. The technical principles of construction of information retrieval system and ability to use linguistic processor and neural networks for solving problems determining the importance of consideration the input documents were grounded. The object of the study was the decision support systems designed to determine priority of review incoming documents.

This paper presents an approach to predict the amount of the wastewater which enters wastewater treatment plant, using artificial neural network. The method presented can be used to give short-term predictions of wastewater inflow-rate. The described neural network model uses a very tiny set of data commonly collected by WWTP control systems.