ISSN 1991-2927
 

АПУ № 2 (56) 2019

Автор: "Стенюшкин Денис Игоревич"

УДК 004.8

Шишкин Вадим Викторинович, УлГТУ, кандидат технических наук, доцент, окончил радиотехнический факультет Ульяновского политехнического института. Профессор кафедры «Измерительно-вычислительные комплексы» Ульяновского государственного технического университета, декан факультета информационных систем и технологий УлГТУ. Имеет статьи в области интеллектуального анализа данных. [e-mail: shvv@ulstu.ru]В.В. Шишкин,

Стенюшкин Денис Игоревич, УлГТУ, окончил факультет информационных систем и технологий УлГТУ. Аспирант кафедры «Измерительно-вычислительные комплексы» УлГТУ. Имеет статьи в области интеллектуального анализа данных. [e-mail: denisstenyushkin@yandex.ru]Д.И. Стенюшкин,

Брон Михаил Генрихович, ScanMaster Systems, Ltd. (Израиль), окончил радиотехнический факультет УлГТУ, заместитель директора по НИОКР компании ScanMaster Systems, Ltd. (Израиль). Имеет работы в области ультразвукового контроля в промышленности. [e-mail: misha@scanmaster-irt.com]М.Г. Брон

Математические модели и методы для расшифровки ультразвуковых дефектограмм железнодорожных рельсов в реальном времени38_8.pdf

В статье представлена система моделей и методов, предназначенных для расшифровки ультразвуковых дефектограмм железнодорожных рельсов в реальном времени в процессе сканирования. Система включает модели и методы для предварительной обработки ультразвуковых данных, включая выборку данных, приведение в диапазон и комбинирование данных отдельных каналов, а также для поиска и классификации дефектов. Предварительная обработка данных основана на выборке ультразвуковых данных с помощью очереди сигналов и их алгебраических преобразованиях для приведения к виду, пригодному для дальнейшей обработки. Поиск и классификация дефектов основаны на применении параллельно функционирующих специализированных классификаторов, представляющих собой искусственные нейронные сети архитектуры Simplified Fuzzy ARTMAP, модифицированные для работы с элементами входных векторов в широком диапазоне значений. Для разрешения возникающих конфликтов предложен метод, основанный на дереве решений. Предложенные модели и методы могут быть эффективно реализованы с применением современных подходов к организации параллельных вычислений. Испытания показали точность распознавания дефектов не ниже 85%.

Расшифровка дефектограмм, выявление дефектов рельсов, нейронные сети.

2014_ 4

Рубрика: Информационные системы

Тематика: Информационные системы, Математическое моделирование.


УДК 004.415.2

Шишкин Вадим Викторинович, Ульяновский государственный технический университет, кандидат технических наук, доцент, окончил радиотехнический факультет Ульяновского политехнического института. Профессор кафедры «Измерительно-вычислительные комплексы» Ульяновского государственного технического университета, декан факультета информационных систем и технологий УлГТУ. Имеет статьи в области автоматизации проектирования промышленных изделий, а также интеллектуального анализа данных. [e-mail: shvv@ulstu.ru]В.В. Шишкин,

Стенюшкин Денис Игоревич, Ульяновский государственный технический университет, окончил факультет информационных систем и технологий УлГТУ. Аспирант кафедры «Измерительно-вычислительные комплексы» УлГТУ. Имеет статьи в области автоматизации проектирования промышленных изделий, а также интеллектуального анализа данных. [e-mail: denisstenyushkin@yandex.ru]Д.И. Стенюшкин,

Михеев Александр Вячеславович, Ульяновский государственный технический университет, окончил факультет информационных систем и технологий УлГТУ. Аспирант кафедры «Измерительно-вычислительные комплексы» УлГТУ. Имеет статьи в области проектирования измерительно-вычислительной техники, а также интеллектуального анализа данных. [e-mail: sr.alex.anderson@gmail.com]А.В. Михеев

Автоматизация проектирования нейросетевых классификаторов37_14.pdf

В статье описана система моделей и методов автоматизированного проектирования нейросетевых классификаторов, основанная на замкнутом цикле с обратной связью в виде анализа накопленного опыта. Цель такой системы - сокращение сроков проектирования классификаторов. В качестве формализма для описания накопленного опыта применено пространство, каждая точка которого соответствует набору параметров классификатора - пространство параметров. Данное пространство формируется параметрами, значение которых определяется на протяжении всего жизненного цикла классификатора: от постановки задачи до процесса эксплуатации. Выбранный формализм позволяет формулировать накопленный опыт и операции по его анализу в терминах множеств и операций над ними, что повышает наглядность и облегчает автоматизацию данных процессов. Анализ накопленного опыта, основанный на сравнении проекций точек пространства параметров на определенные направления, позволяет выявить проектные решения, пригодные для повторного применения. Такие решения включают архитектуры классификаторов, параметры архитектуры и веса входов нейронов. Использование отобранных значений параметров в качестве начальных при обучении и настройке нового классификатора позволило добиться сокращения времени, затрачиваемого на эти процессы, на 15%.

Нейросетевые классификаторы, проектирование классификаторов, пространство параметров, замкнутый цикл проектирования.

2014_ 3

Рубрика: Системы автоматизации проектирования

Тематика: Системы автоматизации проектирования, Информационные системы.


© ФНПЦ АО "НПО "Марс", 2009-2018 Работает на Joomla!