Please use this identifier to cite or link to this item: http://repository.kpi.kharkov.ua/handle/KhPI-Press/55019
Title: Використання асоціативної пам'яті при проектуванні технологічного процесу
Other Titles: Use of associative memory for projecting technological process
Authors: Дмитрієнко, Валерій Дмитрович
Леонов, Сергій Юрійович
Бречко, Вероніка Олександрівна
Keywords: нейронні мережі; інформаційні технології; банк даних; обчислювальні системи; керуючі сигнали; technological process; associative memory; neural networks
Issue Date: 2019
Publisher: ФОП Петров В. В.
Citation: Дмитрієнко В. Д. Використання асоціативної пам'яті при проектуванні технологічного процесу / В. Д. Дмитрієнко, С. Ю. Леонов, В. О. Бречко // Системи управління, навігації та зв'язку = Control, navigation and communication systems : зб. наук. пр. / ред. кол.: С. В. Козелков [та ін.] ; Полт. нац. техн. ун-т ім. Юрія Кондратюка. – Харків : Петров В. В., 2019. – Т. 3, № 55. – С. 99-103.
Abstract: При проектуванні технологічних процесів механообробки використовується банк даних, в якому необхідно знайти потрібну інформацію та скомпонувати її в залежності від задачі. При цьому виникає необхідність побудови багаторівневої структури обробки даних. Також необхідно забезпечити швидкий пошук необхідної інформації, яка знаходиться в банку даних. Вирішити цю проблему можна за допомогою асоціативної пам'яті, застосувати яку можна як при пошуку інформації, так і при подальшому збереженні отриманого технологічного процесу. Метою роботи є розробка нейронних мереж асоціативної пам'яті для проектування і зберігання технологічних процесів для високоточних і унікальних деталей. Результати. За допомогою запропонованих нейронних мереж асоціативної пам'яті розроблено технологічний процес для виробництва конкретної деталі. Алгоритм навчання окремих модулів багатошарової мережі являє собою процес визначення навчального набору зображень і побудови матриць вагів зв’язків між вхідним і вихідними шарами нейронів. При використанні асоціативної пам'яті збільшується швидкість роботи з даними за рахунок паралельної обробки інформації. Математичне моделювання технологічного процесу виробництва деталі підтвердило правильність теоретичних положень. Висновки. Розроблені нейронні мережі для проектування і зберігання технологічних процесів для виробництва високоточних деталей.
A data bank is using during designing technological processes of machining, in which it is necessary to find the required information and put it together depending on the task. This process raises the need to build a multi-level structure of data processing. It is also necessary to provide a quick search for the required information in the data bank. This problem can be solved with the help of an associative memory, which can be applied as during searching for information and while further saving the obtained technological process. The aim of the article is the development of neural networks of associative memory for the design and saving of technological processes for high-precision and unique parts. Results. A technological process for the production of a specific part with the using of the proposed neural networks of associative memory has been developed. The algorithm for training individual modules of a multilayer network is the process of determining the training set of images and constructing the weight matrices of the links between the input and output layers of the neurons. When using associative memory, the speed of data work is increased due to the parallel processing of information. Mathematical modeling of the production process details confirmed the correctness of the theoretical principles. Conclusions. The neural networks for the design and saving of technological processes for the production of high-precision parts have been developed.
DOI: doi.org/10.26906/SUNZ.2019.3.099
URI: http://repository.kpi.kharkov.ua/handle/KhPI-Press/55019
Appears in Collections:Кафедра "Комп’ютерна інженерія та програмування"

Files in This Item:
File Description SizeFormat 
SUNZ_2019_3_55_Dmytriienko_Vykorystannia.pdf373,8 kBAdobe PDFView/Open
Show full item record  Google Scholar



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