Details
| Title | Оценка погрешности результатов косвенных измерений, получаемых с использованием средств искусственного интеллекта // Промышленный искусственный интеллект (ПИИ'2025): Всероссийская научно-практическая конференция с международным участием 3–4 июля 2025 года: cборник научных трудов |
|---|---|
| Creators | Семенов Константин Константинович |
| Organization | Санкт-Петербургский политехнический университет Петра Великого |
| Imprint | Санкт-Петербург: ПОЛИТЕХ-ПРЕСС, 2025 |
| Collection | Общая коллекция |
| Document type | Article, report |
| Language | Russian |
| DOI | 10.18720/SPBPU/2/id25-528 |
| Rights | Доступ по паролю из сети Интернет (чтение, печать, копирование) |
| Additionally | New arrival |
| Record key | RU\SPSTU\edoc\77853 |
| Record create date | 12/23/2025 |
Allowed Actions
–
Action 'Read' will be available if you login or access site from another network
Action 'Download' will be available if you login or access site from another network
| Group | Anonymous |
|---|---|
| Network | Internet |
В работе рассмотрена задача оценки погрешности результатов косвенных измерений, получаемых с использованием средств искусственного интеллекта. Современное развитие технологий нейросетевого моделирования привело к их широкому проникновению в том числе в метрологические задачи, не исключая косвенные измерения. Данная статья содержит обзор представленных в литературе применения искусственных нейронных сетей для получения результатов косвенных измерений и обсуждает вопрос оценки их погрешности с учетом особенностей задачи, связанных с применением нейронных сетей. Предложенные в работе соотношения носят унифицированный характер, не зависят ни от типа, ни от структуры задействованных нейронных сетей и позволяют построить полноценное метрологическое обеспечение даже в случае, когда по текущим результатам происходит дообучение нейросетей.
The paper considers the problem of estimating the error in indirect measurement results obtained using artificial intelligence means. The modern state of development of neural network modelling technologies has led to their widespread – including indirect measurements in metrology. This paper provides a review of applications of artificial neural networks presented in the literature for obtaining indirect measurement results. It discusses its error estimation considering the peculiarities of the problem related to the application of neural networks. The relations proposed in the paper are unified, do not depend on the type or structure of the involved neural networks and allow providing complete metrological support even for situations when neural networks retrain according to the current results.
| Network | User group | Action |
|---|---|---|
| ILC SPbPU Local Network | All |
|
| Internet | Authorized users SPbPU |
|
| Internet | Anonymous |
|
Access count: 0
Last 30 days: 0
