Особенности разработки искусственной нейронной сети гибридной экспертной системы

В предложенной статье были описаны основы разработки искусственной нейронной сети в качестве одной из составных частей гибридной экспертной системы для противоаварийного управления. Рассмотрено функционирование нейронов, их реакция при различных условиях работы. Также представлена многослойная рекур...

Full description

Saved in:
Bibliographic Details
Published in:Штучний інтелект
Date:2018
Main Authors: Коновалов, С.Н., Егошина, А.А.
Format: Article
Language:Russian
Published: Інститут проблем штучного інтелекту МОН України та НАН України 2018
Subjects:
Online Access:https://nasplib.isofts.kiev.ua/handle/123456789/162382
Tags: Add Tag
No Tags, Be the first to tag this record!
Journal Title:Digital Library of Periodicals of National Academy of Sciences of Ukraine
Cite this:Особенности разработки искусственной нейронной сети гибридной экспертной системы / С.Н. Коновалов, А.А. Егошина // Штучний інтелект. — 2018. — № 2 (80). — С. 139-143. — Бібліогр.: 7 назв. — рос.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine
Description
Summary:В предложенной статье были описаны основы разработки искусственной нейронной сети в качестве одной из составных частей гибридной экспертной системы для противоаварийного управления. Рассмотрено функционирование нейронов, их реакция при различных условиях работы. Также представлена многослойная рекуррентная искусственная нейронная сеть, с использованием метода обратного распространения ошибки, в общем виде, и показано её обучение. Помимо этого, описано применение подобной сети для анализа и прогнозирования состояния работоспособности сложной технической системы. The proposed article described the basics of developing an artificial neural network as one of the components of a hybrid expert system for antifault control. The functioning of neurons, their reaction under various operating conditions are considered. A multilayer recurrent artificial neural network is also represented, using the method of back propagation of the error, in general form, and its training is shown. In addition, the application of such a network for analyzing and predicting the state of health of a complex technical system is described.
ISSN:1561-5359