Academic literature on the topic 'Нечіткі нейронні мережі'

Метою статті є дослідження модульної ділянки ґрунту як об’єкту керування, яка є складною ро-зподіленою у просторі системою. Однією з характерних ознак складності об’єкта керування є неви-значеність у представленні його структури та поведінки. У рамках сучасної методології системно-го моделювання невизначеність може характеризувати наступні аспекти модельних уявлень: неяс-ність або нечіткість границі системи; неоднозначність семантики окремих термінів; неповнота модельних уявлень щодо певної складної системи; наявність протиріч між окремими компонентами модельних уявлень або вимог, які повинна задовольняти модель складної системи; невизначеність настання певних подій, які належать до можливості знаходження системи ‒ оригіналу в певному стані в майбутньому; лінгвістична невизначеність. На модульну ділянку ґрунту як об’єкт керування здійснюють вплив змінні збурення − погодні умови (температура й вологість повітря, швидкість ві-тру, сонячна радіація, опади). Від них залежить вихідний параметр − всмоктуючий тиск (вологість) ґрунту. Цьому об՚єкту керування притаманна стохастична невизначеність, оскільки його властиво-сті змінюються випадково. На сьогодні, крім класичних нейронних мереж, розвиваються гібридні, зокрема, нечіткі нейронні мережі. Вони об’єднують у собі переваги нейронних мереж і систем нечі-ткого виведення. Тому для моделювання ненасиченої зони модульної ділянки ґрунту як об’єкту керу-вання ґрунту застосовано саме гібридну нейро-нечітку мережу на основі нео-фаззі нейрона. Розроб-лені нео-фаззі моделі ненасиченої зони модульної ділянки ґрунту як об’єкта керування для прогнозу-вання всмоктуючого тиску ґрунту забезпечують вищу точність роботи, ніж багатошарові мережі прямого поширення. Водночас вони мають простішу архітектуру, що забезпечує легшу практичну реалізацію та більшу швидкість навчання. Розроблені нео-фаззі моделі можуть бути використані у складі автоматизованого робочого місця диспетчера зрошувальної системи і слугувати зручним ін-струментом для планування й керування режимами зволоження сільськогосподарських культур.

Питання створення і використання універсальної інформаційної технології для промислової розробки бази знань (БЗ) інтелектуальної системи автоматичного управління рухом судна (ІСАУ) в умовах невизначеності навколишнього середовища при неповній інформації з використанням останніх досягнень в області нечіткої логіки і глибокого навчання є недостатньо дослідженими. У роботі представлена інформаційна технологія розробки БЗ ІСАУ рухом судна з використанням глибоких нейронних мереж і інтервальних нечітких логічних моделей. У процесі розробки інформаційної технології вирішені такі часткові завдання: розроблена структура і склад інформаційної технології розробки БЗ ІСАУ рухом судна; обґрунтований вибір нечіткої логічної моделі для формалізації процесу функціонування нечіткого регулятора ІСАУ рухом судна; обґрунтований вибір глибокої нейронної мережі для формального представлення моделі нейромережевого аналізатора ІСАУ рухом судна; обґрунтовано ефективність застосування інформаційної технології розробки БЗ ІСАУ рухом судна з використанням глибоких нейронних мереж і інтервальних нечітких логічних моделей. Перспективами подальших досліджень у цьому напрямку може бути розробка пропозицій щодо використання засобів автоматизованого проектування БЗ ІСАУ рухом судна з врахуванням представлення даної технології як сукупності функцій-процесів по розробці відповідної БЗ.

Нейронні мережі мають ряд переваг, необхідних для вирішення задачі моделювання інформаційної системи управління повітряним рухом. Але процес навчання мережі часто відбувається досить повільно. Для прискорення процесу навчання мережі ввести будь-яку апріорну інформацію (знання експерта) неможливо. До того ж аналіз навченої нейронної мережі досить складний, зазвичай вона являє собою чорний ящик для користувача. Усунути або мінімізувати існуючі недоліки нейронної мережі здатні системи на базі нечіткої логіки, які вирішують погано формалізовані задачі і пояснюють одержувані висновки роботи системи.

Метою даного дослідження є розробка елементів методики використання мобільних електронних таблиць як засобу навчання нейромережевого моделювання технічних об’єктів бакалаврів електромеханіки. Задачі дослідження: Обґрунтування вибору нейронних мереж як засобу моделювання технічних об’єктів із прихованою або нечіткою структурою. Реалізація алгоритму глибинного машинного навчання у середовищі мобільних електронних таблиць Google Sheets. Об’єкт дослідження – процес професійної підготовки бакалаврів електромеханіки в технічних ЗВО, предмет – формування компетентності бакалавра електромеханіки в моделюванні технічних об’єктів. Результати: 1) розроблено та реалізовано у середовищі мобільних електронних таблиць модель роботи інтелектуального датчику на основі нейронної мережі з двома прихованими шарами; 2) наведено приклади використання доповнення Solver для визначення вагових коефіцієнтів нейронної мережі. Основні висновки: у процесі розробки елементів методики використання мобільних електронних таблиць як засобу навчання нейромережевого моделювання технічних об’єктів бакалаврів електромеханіки показано можливість та доцільність формування критичного мислення студентів.

У статті виконано теоретичний аналіз нейро-нечітких систем, узагальнено та систематизовано їх основні характеристики, деталізовано особливості відомих алгоритмів розробки та обґрунтовано актуальність їх використання для побудови комп’ютеризованих навчальних програм. Представлено структурну модель адаптивної навчальної системи та описано систему вхідних навчальних правил, змодельованих за результатами проведеного експерименту. З метою визначення оцінки поточного рівня навченості студента введено ряд якісних показників (глибина навчання, ступінь та якість засвоєння), використання яких дозволило забезпечити повноту бази вхідних правил для здійснення нечіткого логічного виведення. Запропоновано метод на базі нечіткої нейронної мережі для побудови адаптивного модуля дистанційної системи передачі знань, застосування якого дає можливість підвищити швидкість та точність виконання обрахунків на етапі визначення навчального режиму відповідно до поточного рівня знань студента. Реалізовано адаптивний механізм побудови індивідуальної траєкторії навчання у системі дистанційної освіти на основі нечіткої нейронної мережі Мамдані. Розроблено гібридний алгоритм навчання нейро-нечіткої мережі та наведені етапи його функціонування. Досліджено особливості застосування гібридного алгоритму для визначення навчального режиму та встановлено переваги його використання шляхом паралельного й одночасного уточнення параметрів мережі. Запропоновано блок-схему гібридного алгоритму адаптивного навчального модуля, яка дозволяє мережі під час навчання модифікувати правила виведення відповідно до заданої точності навчання. Проведено експериментальне дослідження застосування гібридного алгоритму з використанням нечіткої нейронної мережі ANFIS в програмі MATLAB, що дозволило підтвердити ефективність запропонованої технології. Визначено перспективи використання математичного апарату нейромережевих технологій у дослідженні адаптивних характеристик автоматизованих навчальних систем.

У статті розкрито перспективи використання елементів нечіткої логіки для контролю технічного стану автомобільної та бронетанкової техніки. У статті наведені аспекти наукових досліджень що розкривають досвід та специфіку контролю технічного стану зразків автомобільної та бронетанкової техніки в процесі їх експлуатацію в умовах виконання оперативно-службових завдань з охорони державного кордону, що викликає потребу у розкритті перспектив використання елементів нечіткої логіки для діагностування техніки в процесі її експлуатації на кордоні. Розглянуті перспективи упровадження діагностики на основі нечітких нейронних мереж. На основі аналізу наукових робіт провідних вчених України та Білорусії, що присвячені проведенню теоретичних та практичних досліджень щодо застосування нечіткої логіки в системах управління транспортних засобів та застосування нечіткої логіки для розробки алгоритмів управління, які адаптуються до конкретних умов експлуатації зразків техніки. Визначено, перспективи застосування нових інформаційних технологій (зокрема, нейронних мереж та нечіткої логіки) для вирішення завдань з контролю технічного стану зразків автомобільної та бронетанкової техніки, є досить оптимістичними. Проте, необхідно мати значений обсяг статистичних даних для створення вхідного інформаційного потоку для роботи нейронних мереж, що безумовно можливе у найближчій перспективі при умові наявності достатнього обсягу статистики діагностичних параметрів, як в процесі контролю технічного стану зразків автомобільної та бронетанкової техніки, так і за рахунок єдиної інформаційної бази даних їх експлуатаційного процесу загалом.

В статті розроблено методика формування навчальної вибірки для навчання нечіткої нейронної мережі при автоматизації процесу прийняття рішення в задачах наведення авіації на наземні(морські) цілі. Для навчання нечіткої нейронної мережі необхідно використовувати навчальну вибірку. При підготовці навчальної вибірки для навчання нечіткої нейронної мережі процесу наведення авіації на наземні (морські) цілі існує проблема збору даних. Збір статистики на основі прикладів прийняття рішень в процесі наведення в реальних умовах застосування авіації по наземних (морських) цілях, займає багато часу, не дозволяє зібрати необхідну кількість статистичних даних для формування навчальної вибірки. Тому слід застосовувати імітаційне моделювання. Але складність, динамічність процесу наведення, та невизначеність, що зумовлена характером параметрів, які використовуються при вирішенні задачі наведення, не дозволяють застосовувати імітаційні моделі побудовані на основі традиційних методів. Це зумовлено тим, що навчальна вибірка не враховує невизначеність. Також імітаційні моделі побудовані на основі традиційних методів не враховують досвід та знання передового авіанавідника, тому отримана в результаті моделювання навчальна вибірка, не дозволить побудувати нечіткої нейронної мережі та навчити її відповідно до процесу прийняття рішення передового авіанавідника при наведені авіації на наземні (морські) цілі. Тому при побудові імітаційної моделі слід застосовувати моделі на основі математичного апарату нечіткої логіки та нечітких множин. В результаті проведеної роботи розроблено методику формування навчальної вибірки для навчання нечіткої нейронної мережі при автоматизації процесу прийняття рішення в задачах наведення авіації на наземні (морські) цілі та побудовано імітаційну модель. Дана модель дозволяє на основі вхідних даних отримувати параметри наведення, що визначаються передовим авіанавідником при вирішенні задачі наведення авіації на наземні (морські цілі). Застосування даної методики дозволило отримати навчальну вибірку, на основі якої можливе навчання ННМ для отримання інформаційної технології автоматизованої виробки рекомендацій щодо параметрів наведення авіації на наземні (морські) цілі на основі ННМ

Анотація. Стаття присвячена можливості застосування стандартних типів нейрорегуляторів, що пропонує середовище MATLAB & Simulink при моделюванні керування технологічним процесом, а саме стадією подрібнення, шляхом застосування узгодженого інтелектуального керування в умовах невизначеності. Застосування технологій штучного інтелекту в гірському ділі є досить актуальним в цей час. На відміну від «класичних» детермінованих автоматизованих систем керування, які засновані на використанні жорстких алгоритмів (або чіткої логіки), системи з використанням штучного інтелекту мають властивості навчання та самонавчання (тобто накопичення та узагальнення досвіду). Використання штучних нейро‑нечітких мереж для моделювання і ідентифікації об’єкта керування – підхід, який зазвичай розглядається як альтернатива методам, заснованим на фізичних або технологічних принципах. Зокрема, це стосується можливості використання нейронних мереж та нечіткої логіки для управління технологічними процесами дроблення-подрібнення та збагачення корисних копалин. В роботі було розглянуто три можливих типи регуляторів, які пропонує середовище MATLAB & Simulink, а саме регулятора з передбаченням NN Predictive Controller, регулятору на основі моделі авторегресії NARMA-L2 та контролера на основі еталонної моделі – Model Reference Controller. Кожен з розглянутих регуляторів може застосовуватись при моделюванні технологічного процесу, але доцільність використання того чи іншого типу, в першу чергу залежить від характеру технологічного процесу. При моделюванні була досліджена можливість керування технологічним процесом за допомогою штучного інтелекту (регуляторів на основі нейронних мереж). Аналіз результатів моделювання трьох типів нейрорегуляторів, показав, що найбільш доцільним при моделюванні керування технологічного процесу подрібнення є застосування регулятора типу NARMA-L2.

Устатті представлено аналіз сучасних реалізацій алгоритмів систем виявлення вторгнень та їх перспективність використання у інформаційно телекомунікаційних мережах спеціального призначення.Необхідність в надійних системах виявлення вторгнення стоїть досить гостро. Особливо в сучасних тенденціях збільшення ролі інформаційних технологій в силових відомствах держави та на об’єктах критичної інфраструктури. Застарілі системи захисту дозволяють без особливих труднощів проводити кібератаки, що спонукає до необхідності тримати системи виявлення та захисту інформаційних систем в актуальному стані.В умовах постійної боротьби з вторгненнями у світі було запропоновано безліч методів та алгоритмів для виявлення атаки на інформаційно-телекомунікаційні системи. Так найбільшу розповсюдженість отримали методи виявлення аномалій в роботі системи. Передовими з таких методів є інтелектуальні. Нейронні мережі, нечітка логіка, імунні системи отримали велику кількість варіантів реалізації в таких системах виявлення вторгнень.Вдале поєднання переваг методів виявлення для конкретної інфраструктури може дозволити отримати значну перевагу над атакуючим, та зупинити проникнення. Проте на шляху всеохоплюючої реалізації подібних систем стоїть їх висока вартість у сенсі обчислювальної потужності. Питання застарілого парку комп’ютерної техніки і її повільна заміна ставлять в ситуацію постійного компромісу між передовими досягненнями в галузі захисту системи і можливостей самої системи щодо підтримки таких систем. Ключовіслова:інформаційно-телекомунікаційна система, інформаційна безпека, кібератака, система виявлення вторгнень, загроза інформаційним системам.

The article discusses the use of neuro-fuzzy control systems as a tool for managing non-deterministic objects in real time. The application of classical methods description of the control system assumes that the control objects are described by linear dynamic links of low order. This assumption often leads to the fact that classical control systems in practice do not provide the specified indicators of fast and efficient management. This article discusses modern control tools structural models of a discrete quasi-invariant automated control system. Typical procedures correspond to business processes of nondeterministic discrete objects. The decision to use marketing, resource and production procedures is made on the basis of analysis of the degree of compliance; in this case, business processes in the economic object. This approach combines the advantages of the principle of using typical subsystems of automated control systems and the process approach. Presented in this article is the analysis of an automated control system, which is based on the use of typical models of discrete automated control systems. According to the proposed solution in an automated control system in real time, it is proposed to use a neuro-fuzzy control system as a function of the object and the system’s transfer ratio. The neuro-fuzzy control system is based on the process of learning an artificial neural network (ANN), which allows you to determine the rules of fuzzy inference (FIS). Once the fuzzy output parameters are defined, the neural network operates standard. In this integrated model, the neural network training algorithm (ANN) is used to determine the parameters of the fuzzy output system (FIS). On the other hand, the neural network learning mechanism does not depend on statistical information, but is standard for the chosen artificial neural network architecture. The ANFIS automated control sys-tem determines that each quantity is represented by only one fuzzy set. The ANFIS neural network learning procedure has no restrictions on modifying membership functions. To ensure the learning speed of the neural network and the adaptability of the software implementation, the model Takagi T., Sugeno M. this is based on a high-performance neural network learning procedure. The article proposes the ANFIS model, which considers an algorithm based on seven fuzzy rules.Keywords: neuro-fuzzy control systems, ANFIS model, neural network (ANN), rules of fuzzy inference (FIS). У статті розглянуто використання нейронечітких систем управління як інструмента для управління недетермінованими об’єктами в реальному масштабі часу. Обговорюються сучасні інструменти управління, структурні моделі дискретної квазіінваріантної автоматизованої системи управління. Представлене у статті аналізування автоматизованої системи управління заснований на застосуванні типових моделей дискретних автоматизованих систем управління. Відповідно до пропонованого рішення, в автоматизованій системі управління в реальному масштабі часу як опція об’єкта і передавальний коефіцієнт системи пропонується використовувати нейронечітку систему управління. Нейронечітка система управління заснована на процесі навчання штучної нейронної мережі (ANN), що дає змогу визначити правила нечіткого виведення (FIS). У статті пропонується модель ANFIS, яка виконана із застосуванням нечіткої системи Takagi T., Sugeno M., а також розглянуто алгоритм, який побудований на основі семи нечітких правил.Ключові слова: нейронечіткі системи управління, модель ANFIS, нейронна мережа (ANN), правила нечіткого виведення (FIS).

The analysis of the device neuro - fuzzy adaptive systems in decision support systems DSS. The effectiveness of the proposed approach compared to traditional methods. When you are citing the document, use the following link http://essuir.sumdu.edu.ua/handle/123456789/28763

Дисертацію присвячено розробці моделей та алгоритмів аналізу фінансового стану та прогнозування ризику банкрутства підприємств та банків в умовах невизначеності, неповної та недостовірної інформації на прикладі економіки України. Проаналізовано класичні статистичні методи прогнозування ризику банкрутства підприємств на основі методів багатовимірного дискримінантного аналізу, зокрема метод Альтмана. Виявлено його недоліки та недоцільність використання в умовах економіки України, оскільки він базується на використанні достовірної інформації про стан підприємств. Тому в роботі обгрунтовано використання для прогнозування ризику банкрутства в умовах неповноти та невизначеності нечітких нейронних мереж (НММ) з виведеннями Мамдані та Цукамото. В дисертації розроблено базу правил для вирішення задачі аналізу фінансового стану та прогнозування ризику банкрутства підприємств в умовах невизначеності для нейромереж Мамдані та Цукомото. Оскільки загальний розмір повної бази нечітких правил великий, що не дає можливості її навчання за короткий час, запропоновано спосіб скорочення розмірів бази правил та її наглядне представлення шляхом використання бальних оцінок. Розроблено алгоритми прогнозування ризику банкрутства підприємств з використанням ННМ Мамдані та Цукамото. Далі в роботі розглянуто нео-фаззі каскадні мережі для аналізу фінансового стану та прогнозуванню ризику банкрутства підприємств в умовах невизначеності. Їх особливостями є відсутність бази правил висновку, а також те, що функції належності фіксовані і не потребують навчання, навчаються лише лінійні параметри – ваги зв’язків ННМ. Тому ці мережі мають прискорену збіжність навчання в порівнянні з ННМ з висновками Мамдані та Цукамото. Проведено експериментальні дослідження запропонованих моделей та алгоритмів для прогнозування ризику банкрутства підприємств України та порівняльний аналіз з класичними методами. Результати експериментів показали, що точність прогнозування ризику банкрутства складає методом Альтмана - 68-70%, матричним методом - 80%, нео-фазі каскадною нейромережею - 87%, а ННМ Мамдані та Цукамото -88-90 %. В роботі також було досліджено проблему прогнозування ризику банкрутства в банківській сфері України в умовах невизначеності. Для вирішення цієї проблеми запропоновано використання ННМ TSK та ANFIS. Проведено експериментальні дослідження ефективності використання ННМ для прогнозування ризику банкрутства банків та порівняння зі статистичними моделями ARIMA, logit-model та probit–model, а також із нечітким МГУА. В результаті експериментів встановлено, що найбільшу точність прогнозування забезпечує використання ННМ TSK (2%) та нечіткого МГУА (4%), тоді як статистичні моделі мають точність: logit-model - 16%, probit –model - 14%) та ARIMA - 18%. В процесі експериментів також було визначено адекватні фінансово-економічні показники банків для прогнозування ризику банкрутства.
The thesis is devoted to the development of models and algorithms for analysis of financial state and forecasting of bankruptcy risk of enterprises and banks in condition of uncertainty, incomplete and unreliable information on the example of the Ukrainian economy. Classical statistical methods for predicting the risk of bankruptcy on the basis of multivariate discriminant analysis, in particular the method of Altman, are analyzed. It revealed its deficiencies and inappropriateness of its use in Ukraine's economy, since it is based on the use of reliable information on the state enterprises. Therefore, the use of fuzzy neural networks (FNN) with the conclusions Mamdani and Tsukamoto to forecast the risk of bankruptcy in the conditions of incompleteness and uncertainty is entirely justified. In the thesis rule base is developed for solving the problem of financial analysis and forecasting the risk of bankruptcy of enterprises for neural networks Mamdani and Tsukamoto. Since the total size of the comprehensive fuzzy rule base is great that does not allow its training in a short time, a method of reducing the size of the rule base and its visual representation through the use of scores is suggested. Algorithms for predicting the risk of bankruptcy of enterprises with FNN Mamdani and Tsukamoto are developed. Further in the paper the cascade neo-fuzzy network (CNFN) for predicting the risk of bankruptcy in condition of uncertainty is suggested. Its features is the absence of the rule base, as well as the fact that the membership functions are fixed and does not need training. Therefore, these networks have accelerated the convergence of training compared with FNN Mamdani and Tsukamoto. Experimental studies of the proposed models and algorithms for the forecasting of the risk of bankruptcy in Ukraine and comparative analysis with classical methods are presented. The experimental results showed that the accuracy of predicting the bankruptcy risk by Altmana- by 68- 70%, matrix method - 80%, cascade neo-fuzzy neural network - 87% and FNN Mamdanі and Tsukamoto - 88-90%. The paper also studied the problem of forecasting the risk of bankruptcy in the banking sector of Ukraine in conditions of uncertainty. To solve this problem using FNN TSK and ANFIS is proposed. Experimental research of effectiveness of using FNN to predict the risk of bank failures and comparison with statistical models ARIMA, logit-model, probit-model and fuzzy GMDH are presented. The experiment established that the greatest prediction accuracy allows the use of FNN TSK (2%) and fuzzy GMDH (4%), while the statistical models: logit-model - 16%, probit-model - 14% and ARIMA - 18%. During the experiments adequate financial and economic indicators of banks to predict the risk of bankruptcy were determined.
Диссертация посвящена разработке моделей и алгоритмов анализа финансового состояния и прогнозирования риска банкротства предприятий и банков в условиях неопределенности, неполной и недостоверной информации на примере экономики Украины. Проанализированы классические статистические методы прогнозирования риска банкротства предприятий на основе методов многомерного дискриминантного анализа, в частности метод Альтмана. Выявлено его недостатки и нецелесообразность использования в условиях экономики Украины, поскольку он базируется на использовании достоверной информации о состоянии предприятий. Поэтому в работе обосновано использование для прогнозирования риска банкротства в условиях неполноты и неопределенности нечетких нейронных сетей (ННС) с выводами Мамдани и Цукамото. В дисертации разработана база правил для решения задачи анализа финансового состояния и прогнозирования риска банкротства предприятий в условиях неопределенности для нейросетей Мамдани и Цукамото. Поскольку общий размер полной базы нечетких правил большой, что не дает возможности ее обучения за короткое время, предложен способ сокращения размеров базы правил и ее наглядное представление путем использования балльных оценок. Разработаны алгоритмы прогнозирования риска банкротства предприятий с использованием ННС Мамдани и Цукамото. Далее в работе рассмотрены каскадные нео-фаззи сети для прогнозирования риска банкротства предприятий в условиях неопределенности. Их особенностями является отсутствие базы правил вывода, а также то, что функции принадлежностей фиксированные и не нуждаются в обучении, обучаются лишь линейные параметры – веса связей ННС. Поэтому эти сети имеют ускоренную сходимость обучения в сравнении с ННС Мамдани и Цукамото. Проведены экспериментальные исследования предложенных моделей и алгоритмов для прогнозирования риска банкротства предприятий Украины и сравнительный анализ с классическими методами. Результаты экспериментов показали, что точность прогнозирования риска банкротства составляет методом Альтмана - 68-70%, матричным методом - 80%, нео-фаззи каскадной нейросетью - 87%, а ННМ Мамдани и Цукамото -88-90 %. В работе также была исследована проблема прогнозирования риска банкротства в банковской сфере Украины в условиях неопределенности. Для решения этой проблемы предложено использование ННС TSK и ANFIS. Проведены экспериментальные исследования эффективности использования ННС для прогнозирования риска банкротства банков и сравнение со статистическими моделями ARIMA, logit-model и probit–model, а также с нечетким МГУА. В результате экспериментов установлено, что самую большую точность прогнозирования обеспечивает использование ННМ TSK (2%) и нечеткий МГУА (4%), тогда как статистические модели имеют точность: logit-model - 16%, probit–model - 14% и ARIMA - 18%. В процессе экспериментов были также определены адекватные финансово-экономические показатели банков для прогнозирования риска банкротства.

В кваліфікаційній роботі запропоновано підхід до розпізнавання локалізованого тексту, що базується на поєднанні рекурентних, згорткових нейронних мереж (CRNN) та алгоритму CTC-loss. Ця архітектура нейронних мереж реалізована за допомогою мови програмування Python. Проведено експеримент на двох наборах даних, за результатами якого були побудовані графіки зміни протягом навчання функції втрат, відстані Левенштейна та точності розпізнавання на тренувальному та двох тестових наборах даних.
The qualification paper proposes an approach to localized text recognition based on a combination of recurrent, convolutional neural networks (CRNN) and the CTC-loss algorithm. This neural network architecture is implemented using the Python programming language. An experiment was performed on two data sets, based on the results of which graphs of changes during training of the loss function, Levenstein distance and accuracy of recognition on the training and two test data sets were constructed.
ВСТУП 7 РОЗДІ 1. ОСНОВНА ЧАСТИНА 9 1.1. Огляд методів розпізнавання нечітких символів на графічних стендах 9 1.2. Локалізація тексту 10 1.3 Розпізнавання тексту 13 1.4 Висновки до розділу 1 21 РОЗДІЛ 2. ОСНОВНА ЧАСТИНА 22 2.1. Підхід із застосуванням CRNN-архітектури нейронних мереж 22 2.2. Повнозв'язний шар 22 2.3. Згортковий шар 24 2.4. Шар субдискретизації 25 2.5. Шар нормалізації за міні-батчами 26 2.6. Рекурентний шар 27 2.7. CTC loss 33 2.8. Висновки до розділу 2 39 РОЗДІЛ 3. НАУКОВО-ДОСЛІДНА ЧАСТИНА 40 3.1. Метод розпізнавання нечітких символів 40 3.2 Експериментальні дослідження 41 3.3. Висновки до розділу 3 44 РОЗДІЛ 4. ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 45 4.1. Охорона праці 45 4.2. Безпека в надзвичайних ситуаціях 47 4.3. Висновки до розділу 4 51 ВИСНОВКИ 52 СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ 53 ДОДАТКИ 58

Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.22.20 − експлуатація та ремонт засобів транспорту. − Національний авіаційний університет, м. Київ, 2010. Дисертацію присвячено підвищенню достовірності класифікації ві-браційного стану ГТД на основі використанням інтелектуальних техноло-гій. В роботі запропоновано використовувати поетапний підхід: на пер-шому етапі класифікувати вібраційний стан ГТД на основі сформованих діагностичних ознак, на другому – автоматична змінювати режим роботи ГТД. При цьому другий етап здійснюється лише тоді, коли вібраційних параметри двигуна перебувають у діапазоні «потребує вжиття заходів». У дисертаційній роботі вдосконалено структуру системи автомати-чного діагностування та керування режимами роботи ГТД, що дозволяє автоматично змінювати режим функціонування двигуна, для зменшення негативного впливу вібрації на окремі вузли і тим самим скоротити екс-плуатаційні витрати. Розроблено ефективний алгоритм структурного та параметричного синтезу ІСАД, яка містить у собі радіально-базисну нейронну мережу з нечітким виведенням класифікації і прогнозуванням вібраційного стану ГТД. Розроблено методику побудови «бази класів» ІСАД у вигляді: «якщо (діагностичні ознаки), то (клас вібраційного стану ГТД), що дає змогу використовувати експертні оцінки вібраційного стану ГТД, а також сформувати діагностичні ознаки з урахуванням зміни вібраційних характеристик типового двигуна, що дозволяє підвищувати точність класифікації вібраційного стану механічної частини ГТД.
Диссертация на соискание научной степени кандидата технических наук по специальности 05.22.20 − эксплуатация и ремонт средств транспорта. − Национальный авиационный университет, г. Киев, 2010. Диссертация посвящена повышению достоверности классификации вибрационного состояния газотурбинного двигателя (ГТД) на основе использования интеллектуальных технологий. В работе разработан эффективный алгоритм структурного и параметрического синтеза ИСАД, который вмещает радиально-базисную нейронную сеть с нечетким выводом классификации вибрационного состояния ГТД. Разработана методика построения «базы классов» ИСАД в виде: «если (диагностические признаки), то (класс вибрационного состояния ГТД)», позволяющая использовать экспертные оценки вибрационного состояния ГТД, а также сформировать диагностические признаки с учетом изменения эксплуатационных характеристик двигателя, обеспечивающая повышение точности классификации вибрационного состояния механической части ГТД. Достоверность предложенной модели ИСАД подтверждается кор-ректным применением апробированного математического аппарата, со-гласованностью результатов математического моделирования режимов работы ГТД с результатами уже известных исследований и теоретических положений, а также экспериментом. Ключевые слова: газотурбинный двигатель, техническое состояние, вибрационная диагностика машин и механизмов, интеллектуальная си-стема автоматического диагностирования, нейро-фаззи сети, искусствен-ные нейронные сети, системы нечеткой классификации, методы обучения.
The thesis for the candidate degree in technical sciences on the specialty 05.22.20 − operation and the repair of the means of transport. − National Aviation University, Kiev, 2010. Current research work is dedicated to an increase in the authenticity of the classification of gas-turbine engine (GTE) vibration state on the basis of the intellectual technologies use. In the dissertation improved the structure of the system of automatic diagnostics and control of the regimes of GTE work for an automatic change in the regime of the functioning of engine for decreasing the negative influence of vibration on the separate units or to exclude GTE stoppage with the appearance of the random, short-term levels of vibration, and to thus reduce operating costs. In the dissertation is developed the effective algorithm of structural and parametric synthesis of the intellectual system of automatic diagnosis (ISAD), which includes radial-basic neuron network with the illegible conclusion of classification and the prognostication of GTE vibration state. The procedure of construction «rule base» of ISAD is developed in the form: «if (diagnostic signs), then (class of vibration state GTE)», which makes it possible to use ex-pert estimations of GTE vibration state, and also to form diagnostic signs taking into account a change in the operating characteristics of typical engine, which made it possible to increase the accuracy of the classification of the vibration state of GTE mechanical part. The authenticity of the proposed ISAD model is confirmed by the cor-rect application of the approved mathematical apparatus, by the coordination of the results of the mathematical simulation of the regimes of GTE work with the results of already known studies and theoretical positions, and also experiment.