Please use this identifier to cite or link to this item: http://repository.kpi.kharkov.ua/handle/KhPI-Press/51659
Title: Моделі, методи та інформаційна технологія функціонального діагностування багатоканатної шахтної підйомної машини
Other Titles: Models, methods and information technology of functional diagnostics of multichannel mine lifting machine
Authors: Зимовець, Вікторія Ігорівна
Science degree: кандидат технічних наук
Thesis level: кандидатська дисертація
Code and name of the discipline: 05.13.06 – інформаційні технології
Thesis department: Спеціалізована вчена рада Д 64.050.07
Thesis grantor: Національний технічний університет "Харківський політехнічний інститут"
Scientific advisor: Довбиш Анатолій Степанович
Committee members: Куценко Олександр Сергійович
Гамаюн Ігор Петрович
Дорофєєв Юрій Іванович
Keywords: автореферат дисертації; інформаційно-екстремальна інтелектуальна технологія; система функціонального діагностування; машинне навчання; категорійна модель; інформаційний критерій; кластер-аналіз; багатоканатна шахтна підйомна машина; information-extreme intellectual technology; system of functional diagnostics; machine learning; categorical model; information criterion; cluster analysis; multichannel mine lifting machine
УДК: 681.518:004.93.1’
Issue Date: 2021
Publisher: Національний технічний університет "Харківський політехнічний інститут"
Citation: Зимовець В. І. Моделі, методи та інформаційна технологія функціонального діагностування багатоканатної шахтної підйомної машини [Електронний ресурс] : автореф. дис. ... канд. техн. наук : спец. 05.13.06 / Вікторія Ігорівна Зимовець ; [наук. керівник Довбиш А. С.] ; Нац. техн. ун-т "Харків. політехн. ін-т". – Харків, 2021. – 20 с. – Бібліогр.: с. 17-19. – укр.
Abstract: Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.13.06 – інформаційні технології. Національний технічний університет "Харківський політехнічний інститут", Харків, 2020. Дисертаційна робота присвячена підвищенню функціональної ефективності системи функціонального діагностування багатоканатної шахтної підйомної машини шляхом створення інформаційної технології машинного навчання. У роботі поставлене та вирішене актуальне науково-прикладне завдання розроблення інформаційної інтелектуальної технології інформаційного синтезу здатної навчатися системи функціонального діагностування багатоканатної шахтної підйомної машини за умови неповної визначеності даних в рамках інформацій-но-екстремальної інтелектуальної технології аналізу даних. Як критерій оптимізації параметрів машинного навчання запропоновано модифіковану міру Куль-бака у вигляді функціоналу від точнісних характеристик класифікаційних рішень. На основі запропонованих та розроблених категорійних моделей, методів та алгоритмів створено комплекс інструментальних засобів для інформаційного синтезу системи функціонального діагностування багатоканатної шахтної підйомної машини, який включає модулі формування вхідного математичного опису системи, бази даних і знань, алгоритми інформаційно-екстремального машинного навчання і побудовані за результатам машинного навчання вирішальні правила, які дозволяють при функціонуванні системи в робочому режимі приймати високодостовірні оперативні діагностичні рішення.
Thesis for a Candidate of Science Degree in specialty 05.13.06 “Information Technologies”, National Technical University "Kharkiv Polytechnic Institute", Kharkiv, 2020. The dissertation is devoted to increase of functional efficiency of the system of functional diagnostics of a multichannel mine lifting machine by creation of information technology of machine learning. The object of the study is a poorly formalized machine learning process of functional diagnostics system with incomplete data definiteness caused by arbitrary initial conditions of technological cycle and intersection in the space of features of recognition classes that characterize the technical condition of nodes and devices of a multi-wire mine machine. The subject of research are models and methods of information technology of functional efficiency estimation and optimization of parameters capable of learning the system of functional diagnostics of multi-wire mine lifting machine.
URI: http://repository.kpi.kharkov.ua/handle/KhPI-Press/51659
Appears in Collections:05.13.06 "Інформаційні технології"

Files in This Item:
File Description SizeFormat 
avtoreferat_2021_Zymovets_Modeli_metody.pdf988,21 kBAdobe PDFThumbnail
View/Open
Show full item record  Google Scholar



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