2024
Постійне посилання на розділhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/76250
Переглянути
2 результатів
Результати пошуку
Документ Застосування нейромережі для визначення типу елементів симетро-компенсувального пристрою несиметричної системи з нульовим проводом(Національний технічний університет "Харківський політехнічний інститут", 2024) Ягуп, Катерина Валеріївна; Ягуп, Валерій ГригоровичУ статті досліджується можливість використання нейронних мереж у галузі підвищення енергетичних показників чотирипровідної системи електропостачання з нерівномірним навантаженням у фазах. Нерівномірне навантаження у фазах спричиняє несиметрію струмів у мережі і сприяє зростанню струму в нульовому проводі, що вкрай негативно впливає, як на саму мережу, так і на її споживачів. Для усунення несиметрії і зниження струму в нульовому проводі можна підключити симетро-компенсувальний пристрій. Такий пристрій представляє собою набір реактивних елементів, параметри яких визначаються шляхом пошукової оптимізації. Для визначення типу необхідного елементу виконується перерахунок визначених параметрів. Тобто вирішення такої задачі складається з двох складових підзавдань – структурного та параметричного синтезу. Такий підхід надає високу точність розрахунків, але має суттєвий недолік – обчислення представляються громіздкими і затратними. Задля спрощення вирішення задачі синтезу має сенс визначити тип елементів за допомогою нейронних мереж, що дозволить значно скоротити час та ресурси, що витрачаються на розрахунок величин параметрів симетро-компенсувального пристрою. Предметом дослідження статті є вивчення можливості використання нейромереж з метою прогнозування типів реактивних елементів симетро-компенсувального пристрою. У ході дослідження було визначено параметри і тип нейронної мережі, що забезпечують найточніше прогнозування топології структури симетро-компенсувального пристрою. Вхідні параметри нейромережі формувалися з наборів, що складаються з восьми параметрів – опорів та індуктивностей ліній передач і нульового дроту. Матриця цілей формувалася з множини наборів даних, що складаються з шести елементів, що містять інформацію про типи елементів, що підключаються (0 – конденсатор, 1 – індуктивність) між фазами та між фазами та нульовим проводом. У ході дослідження були отримані результати квазірішення, значення яких виявилися співрозмірними з точними розрахунками визначення структури симетро-компенсувального пристрою системи електропостачання з нульовим проводом. Це свідчить про високу якість роботи розробленої нейромережі. Застосування мінімаксної стратегії до отриманих результатів надає можливість звести отримані значення до 0 та 1, щоб забезпечити наявність отриманих нейромережею результатів.Документ Нейронна мережа для розпізнавання та класифікації зображень на кордонах декількох класів(Національний технічний університет "Харківський політехнічний інститут", 2024) Дмитрієнко, Валерій Дмитрович; Леонов, Сергій Юрійович; Мезенцев, Микола ВікторовичНейронна мережа належить до комп‘ютерних систем обчислювальної техніки та штучного інтелекту в області побудови автоматизованих систем розпізнавання та класифікації зображень на кордоні декількох класів, що виконаний з можливістю виконування діагностики та розпізнавання зображення на кордонах двох, трьох та більшого числа класів завдяки тому, що шар схем виділення одного, двох або більшої кількості одиничних сигналів з виходів шару вихідних нейронів Y1 , Y2 , , Yp , , Ym в кожний момент часу пам‘ятає число ненульових сигналів на виході нейронів вихідного шару, а другий шар вихідних нейронів X1 , X 2 , , X p , , X m запам‘ятовує нейрони вихідного шару, які мають на своїх виходах ненульові сигнали. Технічним результатом, що досягається цією нейронною мережею є збільшення числа класів, які розпізнаються, та можливість розпізнавати зображення, що знаходяться на однаковій відстані Хемінга від двох, трьох або більшої кількості еталонних зображень, що зберігаються у вагах зв‘язків нейронів шару, що запам‘ятовує. Проведено експериментальне оцінювання методу та нейронної мережі для розв‘язання задач зіставлення цифрових зображень. Нейронна мережа реалізована у вигляді програмної утілити.