Тема работы: «Модели и методы автоматической классификации состояний технических систем».Предметом исследования являются модели и методы, позволяющие в автоматическом режиме классифицировать состояния технических систем, заданных в виде временного ряда положения системы в пространстве состояний.Цель данной работы: реализовать и сравнить различные методы вероятностной классификации модели технической системы и проанализировать результат.Задачи, которые были решены в ходе работы:.Ознакомление с теоретическими основами задачи классификации методами машинного обучения. Реализация основных методов вероятностной классификации.Синтез компьютерной модели сложной технической системы.Сравнение реализованных методов вероятностной классификации в контексте применения к синтезированной модели.В результате был получен сравнительный анализ основных метод вероятностной классификации и рекомендации относительно выбора метода для той или иной задачи.

Topic: “Models and methods for automatic classification of states of technical systems”.The purpose of this work is to implement and compare various methods of fuzzy classification of a technical system model and analyze the result.Tasks that were solved during the work:Familiarization with the theoretical foundations of the classification problem using machine learning methods. Implementation of the main methods of probabilistic classification.Synthesis of a computer model of a complex technical system.Comparison of the implemented methods of probabilistic classification in the context of application to the synthesized model.As a result, a comparative analysis of the main probabilistic classification methods and recommendations regarding the choice of a method for a particular task were obtained.

• ВВЕДЕНИЕ
• ГЛАВА 1. ПОСТАНОВКА ЗАДАЧИ
  • 1.1 Обзор литературы
  • 1.2 Введение в проблему
• ГЛАВА 2. ОБЗОР МАТЕМАТИЧЕСКИХ МЕТОДОВ
  • 2.1 Задача вероятностной классификации
  • 2.2 Методы машинного обучения для классификации объектов
    • 2.2.1 Метод опорных векторов
    • 2.2.2 Метод релевантных векторов
    • 2.2.3 Метод LVQ
    • 2.2.4 Метод FLVQ
    • 2.2.5 Метод классификации, основанный на RBF-сетях
    • 2.2.6 Нейро-нечеткий классификатор
    • 2.3 Метрики оценки качества модели
• ГЛАВА 3. РЕАЛИЗАЦИЯ МЕТОДА КЛАССИФИКАЦИИ
  • 3.2 Проведение моделирования
  • 3.3 Анализ результатов
• ГЛАВА 4. РЕАЛИЗАЦИЯ ВЕРОЯТНОСТНОЙ КЛАССИФИКАЦИИ ТЕХНИЧЕСКОЙ СИСТЕМЫ
  • 4.1 Описание модели технической системы
  • 4.2 Подготовка обучающего набора данных
• ЗАКЛЮЧЕНИЕ
• СПИСОК ИСПОЛЬЗОВАНЫХ ИСТОЧНИКОВ