Details

Title Методика определения статуса результата измерения средства измерения на основе искусственного интеллекта: выпускная квалификационная работа бакалавра: направление 27.03.01 «Стандартизация и метрология» ; образовательная программа 27.03.01_01 «Интеллектуальные измерительные технологии для специфических условий» = Methodology for determining the status of the measurement resultof a measuring instrument based on artificial intelligence
Creators Гаврилов Владислав Александрович
Scientific adviser Гаранин Владимир Александрович
Organization Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и кибербезопасности
Imprint Санкт-Петербург, 2026
Collection Выпускные квалификационные работы ; Общая коллекция
Subjects статус результата измерения ; нейронная сеть ; Алестетическая погрешность ; Эпистемическая погрешность ; метод ; определения погрешности ; методика ; measurement result status ; neural network ; Alesthetic error ; Epistemic error ; error detection method ; methodology
Document type Bachelor graduation qualification work
Language Russian
Level of education Bachelor
Speciality code (FGOS) 27.03.01
Speciality group (FGOS) 270000 - Управление в технических системах
DOI 10.18720/SPBPU/3/2026/vr/vr26-6480
Rights Доступ по паролю из сети Интернет (чтение, печать)
Additionally New arrival
Record key ru\spstu\vkr\46263
Record create date 11/20/2026

Allowed Actions

–

Action 'Read' will be available if you login or access site from another network

Group Anonymous
Network Internet

Целью работы является дополнение ГОСТ Р 71562-2024. Разработка методики, позволяющей определить статус результата измерения средства измерения на основе искусственного интеллекта. Задачи, которые решались в ходе исследования: 1) Выбрать способ оценки погрешности нейронных сетей. 2) Создать обучающую и тестовую выборку, описываемую математической зависимостью. 3) Обучить нейронные сети с применением разных методов определения погрешности измерений. 4) Провести сравнительный анализ разных методов определения погрешности, их сложности применения для пользователя, универсальности использования, эффективности оценки статуса результата измерения. 5) Написать инструкцию для пользователя о том какой метод рекомендуется применять, о том, как его применить и как интерпретировать его результаты. В данной работе было выявлено что для определения статуса требуется получать оценку неопределенности измерения нейронной сети, для этого использовался ряд методов: Dropout, Монте-Карло, Ансамбли, Доверительные интервалы. Так же оценка неопределенности должна иметь высокий коэффициент корреляции с суммарной погрешностью измерения. Главным результатом работы является методика определения статуса результата измерения средства измерения на основе искусственного интеллекта. Данная методика не ограничивает разработчика в создании нейронных сетей и повышает метрологическое обеспечение средств измерений с применением искусственного интеллекта. Для достижения цели работы использовались: программный пакет и среда разработки Matlab R2022b, Язык программирования Python 3.10 и его библиотеки NumPy, tensorflow, среда разработки PyCharm Community Edition.

The purpose of the work is to supplement GOST R 71562-2024. Development of a methodology to determine the status of the measurement result of a measuring instrument based on artificial intelligence. Tasks that were solved during the research: 1) Choose a method for estimating the error of neural networks. 2) Create a training and test sample described by mathematical dependence. 3) Train neural networks using different measurement error detection methods. 4) To conduct a comparative analysis of different methods for determining the error, their complexity of application for the user, the versatility of use, the effectiveness of assessing the status of the measurement result. 5) Write instructions for the user about which method is recommended to use, how to apply it and how to interpret its results. In this work, it was revealed that to determine the status, it is necessary to obtain an estimate of the uncertainty of the measurement of the neural network, for this a number of methods were used: Dropout, Monte Carlo, Ensembles, Confidence intervals. Also, the uncertainty estimate should have a high correlation coefficient with the total measurement error. The main result of the work is a method for determining the status of the measurement result of a measuring instrument based on artificial intelligence. This technique does not limit the developer in creating neural networks and increases the metrological support of measuring instruments using artificial intelligence. To achieve the goal of the work, we used: the Matlab R2022b software package and development environment, the Python 3.10 programming language and its NumPy libraries, tensorflow, and the PyCharm Community Edition development environment.

Network User group Action
ILC SPbPU Local Network All
Read Print
Internet Authorized users SPbPU
Read Print
Internet Anonymous
...