05.13.06 "Інформаційні технології"
Постійне посилання колекціїhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/17403
Переглянути
4 результатів
Результати пошуку
Документ Моделі, методи та інформаційна технологія функціонального діагностування багатоканатної шахтної підйомної машини(Національний технічний університет "Харківський політехнічний інститут", 2020) Зимовець, Вікторія ІгорівнаДисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.13.06 – інформаційні технології (12 – Інформаційні технології). – Національний технічний університет "Харківський політехнічний інститут", Харків, 2021. Об’єктом дослідження є слабоформалізований процес машинного навчання системи функціонального діагностування за умови неповної визначеності даних, обумовленої довільними початковими умовами технологічного циклу і перетином в просторі ознак класів розпізнавання, які характеризують технічний стан вузлів і пристроїв багатоканатної шахтної підйомної машини. Предметом досліджень є моделі і методи інформаційної технології оцінювання функціональної ефективності та оптимізації параметрів здатної навчатися системи функціонального діагностування багатоканатної шахтної підйомної машини. 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 інформаційно-екстремальної інтелектуальної технології аналізу даних. Обрані методи дослідження базуються на принципах і методах інтелектуального інформаційного аналізу даних та інформаційно-екстремальної інтелектуальної технології машинного навчання для побудови високодостовірних і оперативних вирішальних правил; методах теорії ймовірностей і математичної статистики для оцінки випадкових величин і перевірки статистичних гіпотез; методах та характеристиках теорії інформації для оцінки функціональної ефективності машинного навчання системи функціонального діагностування; об’єктно-орієнтованій методології проектування складних систем для розробки інформаційного та програмного забезпечення системи функціонального діагностування, що навчається. Обґрунтовано актуальність теми дисертації, зазначено зв’язок роботи з науковими темами, сформульовано мету та задачі дослідження, визначено об’єкт, предмет та методи дослідження, показано наукову новизну та практичне значення отриманих результатів, наведено інформацію про практичне використання, апробацію результатів та їх висвітлення у публікаціях. Показано, що основним шляхом підвищення надійності і безпеки роботи багатоканатної шахтної підйомної машини, яка віднесена до об’єктів критичного призначення, є наявність системи функціонального діагностування у складі автоматизованої системи керування, що дозволяє оцінювати поточний технічний стан вузлів і пристроїв машини, виявляти на ранній стадії дефекти та прогнозувати їх розвиток. За результатами аналізу сучасного стану та тенденцій розвитку систем функціонального діагностування складних електромеханічних машин і пристроїв показано необхідність розробки моделей і методів інформаційних технологій функціонального діагностування на основі машинного навчання і теорії розпізнавання образів. За результатами критичного аналізу відомих методів інтелектуального аналізу даних, включаючи нейроподібні структури, вказано, що причиною їх невисокої функціональної ефективності є невирішені питання науково-методологічного характеру, обумовлені такими основними причинами експлуатації СФД в реальних умовах: – довільні початкові умови технологічного циклу; – суттєвий перетин класів розпізнавання, які характеризують можливі технічні стани вузлів і пристроїв машини, в просторі діагностичних ознак; – великий обсяг діагностичних даних і велика потужність алфавіту класів розпізнавання і вплив неконтрольованих збурюючих факторів. При цьому показано перспективність застосування для інформаційного синтезу систем функціонального діагностування ідей і методів інформаційно-екстремальної інтелектуальної технології аналізу даних, яка ґрунтується на максимізації інформаційної спроможності системи в процесі її машинного навчання. Вперше розроблено категорійні моделі і на їх основі методи інформаційно-екстремального машинного навчання системи функціонального діагностування багатоканатної шахтної підйомної машини за ієрархічною структурою даних, яка функціонує в режимах кластер-аналізу, що дозволяє автоматично формувати вхідну класифіковану нечітку навчальну матрицю, і факторного кластер-аналізу, що дозволяє автоматично перенавчати систему функціонального діагностування при розширенні алфавіту класів розпізнавання. Вперше розроблено метод оцінювання функціональної ефективності інформаційно-екстремального машинного навчання системи функціонального діагностування багатоканатної шахтної підйомної машини з ієрархічною структурою даних на основі запропонованої модифікації інформаційного критерію Кульбака оптимізації параметрів машинного навчання. Крім того, на базі запропонованого інформаційного критерію оптимізації параметрів машинного навчання розроблено метод оптимізації заданої ієрархічної структури даних, що дозволяє підвищити достовірність вирішальних правил Удосконалено модель і метод інформаційно-екстремального машинного навчання з оптимізацією багатоінтервальної системи контрольних допусків на значення діагностичних ознак, які на відміну від двобічних симетричних допусків враховують багатомодальність щільності розподілу ймовірності вхідних даних. При цьому розв’язується практична задача для функціонального діагностування, яка полягає в розширенні простору діагностичних ознак через відносно малу середню міжцентрову відстань класів розпізнавання, які характеризують можливі технічні стани вузлів і пристроїв шахтної підйомної машини. Розроблено засоби технології інформаційного синтезу здатної навчатися системи функціонального діагностування багатоканатної шахтної підйомної машини за умови неповної визначеності даних та нечіткої компактності векторів діагностичних ознак класів розпізнавання, що дозволило за результатами ієрархічного машинного навчання побудувати безпомилкові за навчальною матрицею вирішальні правила, які дозволяють в робочому режимі приймати високо достовірні діагностичні рішення в реальному темпі часу. Усі теоретичні розробки дисертації доведено до конкретних інженерних методик та алгоритмів з застосуванням запропонованої інформаційної технології створення та використання здатної навчатися системи функціонального діагностування багатоканатної шахтної підйомної машини. На основі запропонованих та розроблених 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. Основні наукові результати впроваджено у вигляді інформаційної технології, яка включає категорійні моделі, методи, критерії оцінки функціональної ефективності, алгоритми оптимізації і програмне забезпечення при модернізації системи функціонального діагностування багатоканатної шахтної підйомної машини на підприємстві ТОВ «ULYS Systems» (м.Київ) (акт впровадження від 15.01.2020 р.)) і в навчальний процес Сумського державного університету (акт впровадження від 18.02.2020 р.).Документ Моделі, методи та інформаційна технологія функціонального діагностування багатоканатної шахтної підйомної машини(Національний технічний університет "Харківський політехнічний інститут", 2021) Зимовець, Вікторія ІгорівнаДисертація 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.Документ Модели, методы и информационные технологии разработки нечеткой экспертной системы диагностики финансового состояния предприятия(НТУ "ХПИ", 2016) Головко, Виталий АлексеевичДиссертация на соискание ученой степени кандидата технических наук по специальности 05.13.06 – информационные технологии. – Национальный технический университет "Харьковский политехнический институт", г. Харьков, 2016. В диссертации рассматривается важная научно-практическая задача идентификации финансового состояния предприятия в условиях нечетких данных о значениях контролируемых финансовых показателей. На основе анализа традиционных методов оценки финансового состояния предприятия выявлены их недостатки, из которых самый существенный – недостаточный учет неопределенности исходных данных. В связи с этим на основе проведенных теоретических исследований усовершенствованы методы многомерного дискриминантного анализа, кластерного и регрессионного анализов для случая, когда исходные данные – нечеткие числа с известными функциями принадлежности. В работе показано, что перечисленные методы идентификации финансового состояния предприятия дают приемлемые результаты только в ситуациях с достаточно большим объемом исходных данных. В реальных задачах диагностики банкротства это требование не выполняется. Поэтому предложен иной метод, использующий нечеткую экспертную систему. При этом установлена неэффективность продукционных технологий логического вывода и предложена процедура построения диагностической экспертной системы обработки информации, объединяющей регрессионный подход и байесов механизм логического вывода. Для расчета регрессионных коэффициентов использован метод попарных сравнений. Результат работы экспертной системы – распределение вероятностей возможных состояний предприятия. На основе разработанных методов построена информационная технология диагностирования финансового состояния предприятия, которая показала более раннее выявление ухудшения финансового состояния заемщиков по сравнению со старой технологией. Точность диагностирования ухудшения финансового состояния предприятия, которое приводит к неприемлемости заемщика для банка, выросла на 27,2 %. Полученные результаты позволили принять своевременные управленческие решения и предотвратить увеличение проблемной задолженности в кредитном портфеле банка.Документ Моделі, методи та інформаційні технології розробки нечіткої експертної системи діагностики фінансового стану підприємства(НТУ "ХПІ", 2016) Головко, Віталій ОлексійовичДисертація на здобуття вченого ступеня кандидату технічних наук за спеціальністю 05.13.06 – інформаційні технології. – Національний технічний університет "Харківський політехнічний інститут", м. Харків, 2016. У дисертації розглядається науково-практична задача ідентифікації фінансового стану підприємства в умовах нечітких даних про значення контрольованих фінансових показників. На основі аналізу традиційних методів рішення цієї задачі виявлено основний недолік традиційних методів ідентифікації: недостатній облік невизначеності вихідних даних. У зв'язку з цим удосконалені методи багатовимірного дискримінантного, кластерного та регресійного аналізу для випадку, коли вхідні дані – нечіткі числа. Для малої вибірки вихідних даних запропоновано процедуру побудови діагностичної експертної системи обробки інформації, яка об'єднує регресійний підхід та механізм логічного виведення. Для розрахунку регресійних коефіцієнтів використано метод попарних порівнянь. Запропоновано методи прогнозування корельованого часового ряду по малій вибірці вихідних даних, а також метод прогнозування ряду, заданого його вейвлет-моделлю.На основі розроблених методів побудована інформаційна технологія діагностування фінансового стану підприємства. Запропонована технологія, інтегрована в програмний комплекс оцінки кредитоспроможності позичальників банку, показала більш раннє виявлення погіршення фінансового стану позичальників у порівнянні з технологією, що раніше використовувалась у роботі. Отримані результати дозволили прийняти своєчасні управлінські рішення і запобігти збільшенню проблемної заборгованості в кредитному портфелі банку.