Details
Title | Предобработка зашумленных данных перед нейросетевым анализом // Системный анализ в проектировании и управлении: сборник научных трудов XXVII Международной научно-практической конференции, 13–14 октября 2023 года: [в 2 частях]. Ч. 2 |
---|---|
Creators | Костенко Дмитрий Андреевич; Олейников Виталий Сергеевич; Хохловский Владимир Николаевич |
Organization | Санкт-Петербургский политехнический университет Петра Великого |
Imprint | Санкт-Петербург: ПОЛИТЕХ-ПРЕСС, 2024 |
Collection | Общая коллекция |
Subjects | Статистический анализ; Нейронные сети; нейросетевая модель; аппроксимация временных рядов; мультикритериальная аппроксимация; зашумленные данные; производительность; neural network model; time series approximation; multicriteria approximation; noisy data; performance |
UDC | 519.23; 004.032.26 |
LBC | 65.051.03 |
Document type | Article, report |
File type | |
Language | Russian |
DOI | 10.18720/SPBPU/2/id24-168 |
Rights | Свободный доступ из сети Интернет (чтение, печать, копирование) |
Record key | RU\SPSTU\edoc\73347 |
Record create date | 8/19/2024 |
работе предложена методика уточнения нейросетевой модели производственного процесса, представленного зашумлёнными статистическими данными. Уточнение достигается путём разделения исходных данных и вычленения признаков, соответствующих разным состояниям оборудования, в отдельные наборы данных. Отличие от известных подходов состоит в применении существующих алгоритмов обработки данных в комбинации с новым вариантом реализации нейросетевого анализа. Изложение иллюстрируется описанием методики подготовки данных на примере одного из производственных цехов.
A methodology is proposed for refining neural network models of a production process available with noisy statistical data. The refinement is made by partitioning the source data and isolating parts corresponding to different states of equipment into separate datasets. The distinctive feature of the work lies in the use of known data science approaches in a combination with a new way of implementation of neural network analysis. The description of a production workshop illustrates the data preparation methodology.
Access count: 37
Last 30 days: 21