Национальный цифровой ресурс Руконт - межотраслевая электронная библиотека (ЭБС) на базе технологии Контекстум (всего произведений: 509875)
Консорциум Контекстум Информационная технология сбора цифрового контента
Уважаемые СТУДЕНТЫ и СОТРУДНИКИ ВУЗов, использующие нашу ЭБС. Рекомендуем использовать новую версию сайта.
  Расширенный поиск
Результаты поиска

Нашлось результатов: 82098 (0,79 сек)

Свободный доступ
Ограниченный доступ
Уточняется продление лицензии
1

Минимизация конечных автоматов путем использования значений выходных переменных для кодирования внутренних состояний [Электронный ресурс] / В. Соловьев // Компоненты и технологии .— 2015 .— №3 (164) .— С. 67-72 .— Режим доступа: https://rucont.ru/efd/380964

Автор: Соловьев Валерий

В статье представлены структурные модели конечных автоматов класса C для автомата Мура и класса D для автомата Мили, которые позволяют использовать значения выходных переменных в качестве кода (части кода) конечного автомата. Показаны способы описания структурных моделей конечных автоматов на языке Verilog, причем способ описания автоматов класса D дан впервые. Исследована эффективность применения предложенных структурных моделей при реализации конечных автоматов на ПЛИС фирмы Altera. Показано, что для всех рассмотренных семейств ПЛИС модель автомата класса C способна по сравнению с традиционной моделью автомата Мили вдвое снизить стоимость реализации, а в отдельных случаях — и в 2,67 раза.

наборов (выходных векторов) в качестве кода (или части кода) внутренних состоя‑ ний. <...> Различие между ав‑ томатами классов C и D заключается в том, что в автомате класса C выходной вектор <...> вектор должен быть ортогонален всем выходным векторам, формируемым в других состоя‑ ниях автомата. <...> В состояние s1 ведут два пере‑ хода: из состояния s0, на котором форми‑ руется выходной вектор «001», <...> и из состоя‑ ния s4, на котором формируется выходной вектор «100».

2

Методика обучения экспертной системы оценки стабильности работы сварщика [Электронный ресурс] / Лукьянов, Кузьменко // Вестник Донского государственного технического университета .— 2014 .— №4 .— С. 118-125 .— Режим доступа: https://rucont.ru/efd/376882

Автор: Лукьянов

Рассматривается схема проектирования и обучения искусственной нейронной сети. На этой методике основана экспертная система оценки стабильности моторных навыков специалиста при работе на тренажере сварщика.

Определение входных и выходных параметров. <...> Выходной вектор: D, К. Рис. 3. Область качества тавровых соединений угловыми швами катетом 8 мм. <...> шум или ошибочные данные; 3) зависимость выхода от входа окажется резко нелинейной: выходной вектор <...> Обучение проводится на основе базы данных обучающих примеров, включающих пару векторов (входной и выходной <...> Выходной вектор содержит оценку состояния процесса в этот момент времени: наличие дефекта, вероятность

3

Итерационный метод оптимальной нелинейной фильтрации изображений [Электронный ресурс] / Щербаков // Известия высших учебных заведений. Поволжский регион. Технические науки .— 2011 .— №4 .— С. 43-56 .— Режим доступа: https://rucont.ru/efd/269590

Автор: Щербаков
М.: ПРОМЕДИА

Рассматривается задача построения оптимальных нелинейных фильтров в классе полиномиальных фильтров, характеризуемых многомерными функциональными рядами Вольтерра. На основе использования матричного представления полиномиальных фильтров формулируется задача оптимальной фильтрации, которая сводится к минимизации квадратичной функции на линейном подпространстве при наличии ограничений. Предлагается итерационный метод последовательного приближения, позволяющий осуществить декомпозицию исходной задачи большой размерности на ряд задач меньшей размерности, связанных с нахождением коэффициентов отдельных составляющих полиномиального фильтра. Показана сходимость итерационного процесса к искомому решению задачи нахождения оптимальных коэффициентов полиномиального фильтра.

Выходной сигнал y(n) таких фильтров представляет собой сумму составляющих, характеризующих нелинейности <...> Определим векторы d и y размером I  1, содержащие соответственно I отсчетов заданного и выходного сигналов <...> Представим выходной вектор y полиномиального фильтра в виде суммы компонент 0 M m m m  y X h , (23 <...> Вычислим далее выходной вектор y0  X0+h0 и вектор ошибки 0  d  y0. <...> Связь выходных векторов ym и yk данных фильтров определяется выражением m k m m k  y y X X ε . (28

4

МИНИМИЗАЦИЯ КОНЕЧНЫХ АВТОМАТОВ МИЛИ ПУТЕМ ИСПОЛЬЗОВАНИЯ ЗНАЧЕНИЙ ВЫХОДНЫХ ПЕРЕМЕННЫХ ДЛЯ КОДИРОВАНИЯ ВНУТРЕННИХ СОСТОЯНИЙ [Электронный ресурс] / Соловьев // Известия Российской академии наук. Теория и системы управления .— 2017 .— №1 .— С. 100-108 .— Режим доступа: https://rucont.ru/efd/592650

Автор: Соловьев

Рассмотрены структурные модели конечных автоматов, которые позволяют использовать значения выходных переменных в качестве кодов внутренних состояний. Предлагается применить структурную модель автомата класса D для минимизации стоимости реализации автомата Мили. Представлен метод синтеза автомата класса D на программируемых логических интегральных схемах, который состоит из двух этапов: расщепления внутренних состояний конечного автомата (для выполнения необходимых условий построения автомата класса D) и кодирования внутренних состояний (для обеспечения взаимной ортогональности кодов). Показано, что предложенный метод позволяет снизить стоимость реализации рассматриваемого конечного автомата для всех семейств программируемых логических интегральных схем различных производителей в среднем в 1.41–1.72 раза, а для отдельных семейств – в 2 раза. Указывается на практическое использование метода, отмечаются особенности применения, а также предлагаются возможные направления развития данного подхода

(выходной вектор), формируемый в момент автоматного времени t. <...> Очевидно, что выходной вектор, подходящий для кодирования внутреннего состояния, должен формироваться <...> Кроме того, выходные векторы, используемые в качестве кодов внутренних состояний, должны быть взаимно <...> Пусть Y(as, ai) – выходной вектор, формируемый на переходе из состояния as в состояние ai (as, ai ∈ A <...> (“/”) записывается значение выходного вектора, который формируется на данном переходе.

5

Сравнительный анализ алгоритмов нейросетевого детектирования лжи [Электронный ресурс] / Ясницкий, Петров, Сичинава // Известия высших учебных заведений. Поволжский регион. Технические науки .— 2010 .— №1 .— С. 64-72 .— Режим доступа: https://rucont.ru/efd/269472

Автор: Ясницкий
М.: ПРОМЕДИА

В результате системного анализа выявлены недостатки существующих систем инструментальной детекции лжи алгоритмов нейросетевого детектирования лжи, предложены, реализованы и проанализированы алгоритмы построения нейросетевого полиграфного аппарата, выявлен наиболее перспективный алгоритм построения нейросетевого полиграфа - анкетный.

В качестве входного вектора персептрона X был использован тот же набор параметров, что и в традиционно <...> Выходной вектор Y состоит из двух компонент: 1 1y  , 2 0y  , если опрашиваемый человек говорит правду <...> штатных датчиков полиграфа ЭПОС снимаются физиологические показатели, параметры которых формируют входной вектор <...> Выходной вектор qY формирует сам полиграфолог, сопоставляя ответы клиента с тем, что ему заранее известно <...> Процент правильно полученных заключений при поочередном использовании анкетных параметров Далее из векторов

6

Моделирование амортизации в задаче оценки динамики восстановления капитала инвестиционного проекта [Электронный ресурс] / Л.О. Бабешко, Царьков // Управление риском .— 2013 .— №1 .— С. 59-66 .— Режим доступа: https://rucont.ru/efd/611695

Автор: Бабешко Людмила Олеговна

в статье рассмотрены подходы моделирования амортизации, основанные на операторных методах и методах финансовой математики

Передаточной функцией называется отношение изображения по Лапласу выходной величины y (s) операторного <...> Изображение (2.2) операции интегрирования равно: x t dt W s s st ( ) ( )÷ = =−∫ 2 1 1 . (2.5) Выходной <...> входным вектором x(s). <...> Блок-схема с обратной связью выхода с входом В свою очередь, выходной вектор связан с вектором xm(s) <...> в выходной и обратное преобразование, контуром обратной связи.

7

Объектно-ориентированное проектирование нейронной сети для автоматизации определения архитектуры вычислительной системы в задачах обеспечения информационной безопасности [Электронный ресурс] / Сельвесюк [и др.] // Научный вестник Новосибирского государственного технического университета .— 2016 .— №1 .— С. 133-145 .— Режим доступа: https://rucont.ru/efd/610320

Автор: Сельвесюк

Статья посвящена вопросам анализа бинарных данных, содержащихся во внутренней энергонезависимой памяти вычислительных систем. Показано, что при решении задач, предполагающих анализ бинарных данных, в условиях отсутствия технической документации на целевую вычислительную систему возникает необходимость определения архитектуры вычислительной системы. Отмечено, что отсутствие методов и средств автоматизации определения архитектуры вычислительной системы приводит к повышению требований к квалификации аналитика, увеличению временных затрат и снижению достоверности. Таким образом, очевидна актуальность решения задачи разработки средств автоматизации определения архитектуры вычислительной системы по имеющимся бинарным данным. Обоснована необходимость использования математического аппарата нейронных сетей. Исходя из анализа предметной области установлено, что в полном объеме реализовать процессы обучения и применения по назначению при решении поставленной задачи позволят рекуррентные нейронные сети. Обоснована необходимость проектирования программного изделия, реализующего рекуррентную нейронную сеть и предназначенного для автоматизации определения архитектуры вычислительной системы по имеющимся бинарным данным. Предложено использование объектноориентированного подхода при проектировании указанного программного изделия. Сформулированы основные задачи, решаемые изделием: создание рекуррентных нейронных сетей, настройка параметров оптимизации, интерпретация значений выходного слоя и вычисление

Выходные данные интерпретируются в соответствии с моделью обучения. <...> Так, например, при распознавании изображений они могут быть преобразованы в вектор значений яркости пикселей <...> Вывод результата Вывести результат классификации Преобразование входа Преобразовать входной байт в вектор <...> вектор при помощи SoftMax Шаг прямого распространения Расчитать состояние скрытого слоя и выходной вектор <...> вектор, с указанием сохранения значений во внутреннем состоянии сети Расчет функции ошибки Расчитать

8

СИНТЕЗ РЕГУЛЯТОРА НА ОСНОВЕ АЛГОРИТМА ОПТИМИЗАЦИИ ЧИСЛЕННЫХ РЕШЕНИЙ МНОГОКРИТЕРИАЛЬНЫХ ЗАДАЧ УПРАВЛЕНИЯ ДВИЖЕНИЕМ [Электронный ресурс] / Динеев [и др.] // Лесной вестник. Forestry Bulletin .— 2015 .— №3 .— С. 108-116 .— Режим доступа: https://rucont.ru/efd/416846

Автор: Динеев

Рассматривается алгоритм оптимизации параметров регулятора в области решений многокритериальных задач управления движением на основе численного определения пересечения множества решений, удовлетворяющих заданным критериям. Решается задача, в которой к основному алгоритму управления движением – алгоритму стабилизации программного движения – подключается алгоритм компенсации средствами управления ряда возмущающих факторов, в частности, алгоритм управления по ветровому возмущению, предназначенный для минимизации ветрового угла атаки. По результатам численных оценок функционалов были построены контуры равных значений функционалов в области настраиваемых параметров, по которым построены области с минимальными значениями функционалов. По пересечению областей выбираются общие настройки алгоритмов для разных критериев, которые могут обеспечить устойчивость и управляемость. Реализация закона управления требует измерения всех переменных состояний объекта управления, однако доступны непосредственным измерениям не все компоненты вектора состояний системы, а лишь некоторая их часть или некоторые их линейные комбинации. Это объясняется тем, что выходными величинами объекта служат лишь отдельные комбинации этих компонент. Выходной вектор объекта имеет размерность меньшую размерности вектора состояния. Решение этих задач синтеза оптимальных наблюдателей состояния линейных стационарных динамических объектов может выполняться методами современного и классического вариационного исчисления с использованием системы уравнений Эйлера, Эйлера–Пуассона и необходимых условий оптимальности в форме усиленных условий. Рассматриваются свойства управляемости и наблюдаемости непрерывной системы и особенности постановки детерминированных задач об оптимальном наблюдении состояния линейных стационарных обыкновенных непрерывных динамических систем.

Это объясняется тем, что выходными величинами объекта служат лишь отдельные комбинации этих компонент <...> Выходной вектор объекта имеет размерность меньшую размерности вектора состояния. <...> Это объясняется тем, что выходными величинами объекта служат лишь отдельные комбинации этих компонент <...> Выходной вектор объекта имеет размерность, меньшую размерности вектора состояния. <...> ., yr}T – вектор выходных измеряемых переменных объекта; C = {cυi}r,n – заданная постоянная матрица,

9

Сферическая нейросетевая модель познавательного действия [Электронный ресурс] / Беспалов // Вестник Московского университета. Серия 14. Психология. .— 2014 .— №4 .— С. 56-75 .— Режим доступа: https://rucont.ru/efd/340947

Автор: Беспалов
М.: ПРОМЕДИА

Новизна данной работы состоит в том, что в ней в математической форме и с помощью общих принципов векторного кодирования информации в мозге описаны основные стадии опознавательного действия, начиная от воздействия объекта на сетчатку глаза и заканчивая стадией выполнения ответа на стимул.

На более низких уровнях нейронной сети мозга длина выходного вектора некоторых нейронных ансамблей (например <...> который равен сумме выходных векторов всех детекторов ансамбля, число которых равно v: Dq=Σvi=1 dqi <...> Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис» 71 Таким образом, вектор Ψq описывает выходное <...> Каждое число рqj является координатой выходного вектора (рqj ∙ рj) j-го мотонейрона, где рj — единичный <...> выходной вектор этого нейрона.

10

ИЗМЕРЕНИЕ ЭФФЕКТА МАСШТАБА В РАДИАЛЬНЫХ МОДЕЛЯХ МЕТОДОЛОГИИ АНАЛИЗА СРЕДЫ ФУНКЦИОНИРОВАНИЯ [Электронный ресурс] / Лычев, Форсунд // Журнал вычислительной математики и математической физики .— 2017 .— №1 .— С. 71-82 .— Режим доступа: https://rucont.ru/efd/591224

Автор: Лычев

В работе предложен общий подход к вычислению эффекта масштаба и масштабной эластичности в радиальных моделях методологии анализа среды функционирования (АСФ). На первом этапе с помощью специально разработанных алгоритмов находится внутренняя точка оптимальной грани. В предыдущих наших работах было доказано, что во всех внутренних точках грани наблюдается один и тот же эффект масштаба. На втором этапе предлагается вычислять эффект масштаба во внутренней точке, которая определена на первом этапе Библ. 23. Фиг. 6.

Выходные показатели были: капитал, ликвидные активы и основные средства. <...> плоскости совпадают с векторами затрат и выпуска объекта 30. <...> плоскости совпадают с векторами затрат и выпуска объекта 528. <...> Производственная функция для неэффективного объекта 30. 7 Выходной вектор объекта 30 Входной вектор объекта <...> объекта 528 Выходной вектор объекта 528 ε = 1.0012924 ε+ = 0.0689235 528 901 919 769 351513 4 777 546

11

Динамика и риски микрокредитов [Электронный ресурс] / Гавриленко, Александр, Вячеслав // Банковские технологии .— 2012 .— №1 .— С. 42-45 .— Режим доступа: https://rucont.ru/efd/322822

Автор: Гавриленко
М.: ПРОМЕДИА

О двух моделях бизнеса на основе микрокредитов: статической и динамической. Рассмотрен метод операторных динамических моделей с применением теории автоматического регулирования, который уже начал эффективно использоваться для моделирования бизнес-процессов в экономике.

в выходные вектора умножением на коэффи� циент передачи операторного звена. <...> Вектор Kt яв ляется суммой активов в момент времени t > t 0 в конце периода Δt = t – t 0. <...> Из вектора ум вычитается вектор невозврата части кредитов ун = βнум. <...> Выходной вектор yp = уф + уд определяет суммарный по ток реализации. <...> Вывод функции изображения вектора и его оригинала дан в Приложении к статье.

12

ПРИМЕНЕНИЕ НЕЙРОСЕТЕЙ В ПРОЦЕССЕ ПОДБОРА ПЕРСОНАЛА [Электронный ресурс] / Азарнова, Терновых // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии .— 2009 .— №2 .— С. 74-78 .— Режим доступа: https://rucont.ru/efd/519740

Автор: Азарнова

В данной статье исследуются возможности использования технологий нейронных сетей для разработки маркетинговых механизмов регулирования процессов посредничества в подборе персонала на рынке труда. В качестве посредников рассматриваются такие специализированные институты как кадровые агентства

Нейрон получает на входе вектор сигналов x , вычисляет его скалярное про изведение на вектор весов и <...> Для любого множества пар входных-выходных векторов произвольной размерности ( , ), ,X Y k Kk k = 1 существует <...> Xk формирует соответствующий ему выходной вектор Y k . <...> N N N N N N N y p p w y p x X y y 1 1 2+ £ £ £ Ê ËÁ ˆ ¯̃ ◊ + + + log ( ) ( ) , где Ny — размерность выходного <...> Обучение опирается на некоторые эталонные сигнал-векторы или эталонную выборку (когда известно, какой

13

ИНТЕЛЛЕКТУАЛЬНЫЙ МОНИТОРИНГ КАЧЕСТВА МЕХАНИЧЕСКОЙ ОБРАБОТКИ ДЕТАЛЕЙ [Электронный ресурс] / Самойлова, Игнатьев // Контроль. Диагностика .— 2013 .— №4 .— С. 70-74 .— Режим доступа: https://rucont.ru/efd/480816

Автор: Самойлова

Рассматривается применение интеллектуального мониторинга механической обработки деталей

И уже по этим данным выходной слой подсчитывает реальный выход сети, скомбинированный из всех выходных <...> вектора значений; W mn и V np – матрицы весов Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис <...> распространение функционирует в двух режимах: в нормальном режиме, при котором принимается входной вектор <...> X и выдается выходной вектор Y, и в режиме обучения, при котором подается входной вектор и веса корректируются <...> , чтобы дать требуемый выходной вектор.

14

ЧИСЛЕННЫЙ МЕТОД ГЕНЕРАЦИИ ТЕСТОВОЙ ПОСЛЕДОВАТЕЛЬНОСТИ КОНТРОЛЯ РАБОТОСПОСОБНОСТИ НЕЙРОСЕТЕВЫХ СИСТЕМ [Электронный ресурс] / Маршаков, Зотов // Известия высших учебных заведений. Северо-Кавказский регион. Технические науки .— 2013 .— №6 .— С. 10-14 .— Режим доступа: https://rucont.ru/efd/519750

Автор: Маршаков

Рассматривается использование конгруэнтных процедур для генерации случайных, равномерно распределенных независимых чисел при синтезе тестов контроля работоспособности искусственных нейронных сетей. Предложен алгоритм синтеза тестовой последовательности на основе управляемого процесса расчета входных воздействий мультипликативным методом. Проведено экспериментальное исследование предложенного алгоритма на примере нейросетевой системы распознавания образов

реакции нейросети при подаче на её вход последовательности векторов. <...> вектор на выходе исправной ИНС; y – фактический вектор, полученный на выходе ИНС. <...> Вычисление выходного вектора-эталона kY ИНС при входном векторе хi+1     1 1 2 1T Tk i iY x f W <...> Вычисление выходного вектора jkY ИНС с дефектом в j-м нейроне при входном векторе хi+1     1 1 <...> Все сгенерированные входные вектора были занесены в массив test.

15

СИНТЕЗ И АНАЛИЗ ТОЧНОСТИ СИСТЕМЫ ИЗМЕРЕНИЯ ПАРАМЕТРОВ МОРСКОГО ВОЛНЕНИЯ, ИСПОЛЬЗУЕМОЙ НА НИЗКОЛЕТЯЩЕМ АППАРАТЕ [Электронный ресурс] / А.Ю. Княжений // Информационно-управляющие системы .— 2018 .— №2 .— Режим доступа: https://rucont.ru/efd/647058

Автор: Княжений А. Ю.

Постановка проблемы: во время низковысотного полета над взволнованной морской поверхностью профили волн имеют переменные возвышения, уклоны и орбитальные скорости, в результате чего возникают специфические условия работы измерительной аппаратуры. Это создает существенную помеху при измерении высоты. Для управления низколетящим аппаратом необходимо оценивать также интенсивность и направление движения морских волн. Цель: структурно-параметрический синтез системы измерения высоты низколетящего аппарата над морской поверхностью и анализ ее точности с учетом особенностей морского волнения. Методы: комплексирование разнотипных датчиков с различными спектральными характеристиками; робастный метод, принимающий затрубленные, но достоверные спектрально-корреляционные характеристики сигналов локационного высотомера и вертикального акселерометра. Результаты: проведен структурно-параметрический синтез системы измерения истинной и абсолютной высот, интенсивности и направления распространения волн. В отличие от использовавшейся ранее, предлагаемая система оценивает интенсивность и направление распространения волн и меньше подвержена помехам, вызываемым морским волнени- ем. Точность работы разработанной системы сравнивается с точностью времяпролетной камеры. Практическая значимость: применение разработанной измерительной системы позволяет оценивать истинную и абсолютную высоты низколетящего морского аппарата, интенсивность и направления распространения морских волн. В результате параметрической оптимизации коэффициентов передаточных функций точность оценки возрастает в три раза.

Добавление этих двух величин в выходной вектор оценок параметров полета позволяет адаптировать алгоритм <...> Это оборудование и определяет вектор входных параметров оптимизируемой ИС , где hi — истинная высота <...> Помимо элементов вектора Х определяются скорость v и курс . <...> Зависимость выходного вектора ˆ от входного вектора X определяется уравнением ˆ , где G — матрица операторов <...> время, отсчитываемое в обратном направлении (задержка); i — индекс измерительного прибора; j — индекс выходного

16

ИНСТРУМЕНТАРИЙ НОТАЦИЙ БИЗНЕС-МОДЕЛИРОВАНИЯ УСЛУГ НА РЫНКЕ НЕДВИЖИМОСТИ [Электронный ресурс] / Мишланова // Вестник МГСУ .— 2016 .— №4 .— С. 120-130 .— Режим доступа: https://rucont.ru/efd/375326

Автор: Мишланова

Представлены базовые положения моделирования риэлторского бизнеса. Обоснован выбор методологической платформы. Рассмотрено понятие нотаций и выполнена специальная разработка нотаций в условиях конкретного бизнеса. Подчеркнута необходимость выделения объекта бизнеса, создан адаптированный шаблон как переходный блок от модели к механизмам ее реализации. Предложена функциональная декомпозиция риэлторского бизнеса, разработаны переходы к метрикам процессов и описания системных выходов.

вектором оценки услуг, что теоретически заложено в правилах проектирования любых бизнес-моделей, однако <...> Системообразующие функции риэлтерской деятельности с учетом комплекса входных и выходных векторов разного <...> вектор услуг, оценку которого можно произвести методом обратной связи. <...> Поэтому мы не только предлагаем обязательный учет выходного вектора оценки риэлторских услуг в бизнес-модели <...> вектором оценки услуг. определены переходные к оценке системной эффективности нотации — способы оценки

17

Повышение эффективности управления технологическими процессами восстановления и упрочения деталей машин

в статье идет речь о методах компьютерного моделирования технологических процессов восстановления изношенных деталей машин. предложены математические модели, соответствующие программные средства и рекомендации к их внедрению в ремонтное производство

компьютерных программных средств, позволяющих проводить имитационный экспери­ мент: прогнозировать выходные <...> жащая различные варианты значений технологиче­ ских параметров процесса и соответствующий вы­ ходной вектор <...> Если на вход полностью настроенной сети подать входной вектор, не входящий в обучающую выбор­ ку, то <...> выходной вектор с достаточной степенью точности будет приближен к действительному. <...> В другой се­ ти входной вектор отражает требуемые значения показателей качества, а выходной необходимые

Предпросмотр: Повышение эффективности управления технологическими процессами восстановления и упрочения деталей машин .pdf (0,1 Мб)
18

№3 (164) [Компоненты и технологии, 2015]

На сегодняшний день журнал Компоненты и технологии занимает лидирующие позиции на рынке изданий, ориентированных на специалистов в области электроники, в России и по всей территории бывшего СССР. Постоянными являются следующие рубрики: Рынок Компоненты: Пассивные элементы; ВЧ/СВЧ элементы; Датчики; Оптоэлектроника; Элементы защиты; Усилители; Источники питания; АЦП/ЦАП; ПАИС; Интерфейсы; Память; ПЛИС; ЦСП (цифровые сигнальные процессоры); Микроконтроллеры; Системы на кристалле; Микросхемы для телекоммуникаций Блоки питания Силовая электроника Интерфейс пользователя Цифровая обработка сигнала Беспроводные технологии Системы идентификации Схемотехника, проектирование, моделирование

наборов (выходных векторов) в качестве кода (или части кода) внутренних состоя‑ ний. <...> Различие между ав‑ томатами классов C и D заключается в том, что в автомате класса C выходной вектор <...> вектор должен быть ортогонален всем выходным векторам, формируемым в других состоя‑ ниях автомата. <...> В состояние s1 ведут два пере‑ хода: из состояния s0, на котором форми‑ руется выходной вектор «001», <...> и из состоя‑ ния s4, на котором формируется выходной вектор «100».

Предпросмотр: Компоненты и технологии №3 (164) 2015.pdf (0,2 Мб)
19

БИОТЕХНИЧЕСКАЯ СИСТЕМА ФОРМИРОВАНИЯ ЭФФЕКТИВНОГО УПРАВЛЕНЧЕСКОГО РЕШЕНИЯ НА ПРИМЕРЕ ПРОГНОЗИРОВАНИЯ ЦЕРЕБРАЛЬНОЙ ИШЕМИИ У ПЛОДА И НОВОРОЖДЁННОГО [Электронный ресурс] / Ломакин, Трухачев, Трухачева // Фундаментальные и прикладные проблемы техники и технологии .— 2011 .— №6 .— С. 107-111 .— Режим доступа: https://rucont.ru/efd/483624

Автор: Ломакин

Предложено структурное представление интеллектуальной системы формирования эффективного управленческого решения в области биомедицины с использованием метода декомпозиции и объектно-ориентированного подхода, на основе которого была реализована биотехническая система, позволившая скорректировать методы предупреждения возникновения церебральной ишемии у плода и новорожденного

Аналитический модуль осуществляет анализ эффективности полученного вектора решений и производит расчет <...> Модуль визуализации на основе выработанного вектора решений и полученной анакорректирующие параметры <...> _______________________________________________________________ 109 литической информации формирует выходные <...> ______________________________________________________________ № 6 (290) 2011 110 шения формируется выходной <...> вектор решений, поступающий на обработку в аналитический модуль биотехнической системы.

20

Параметрическая идентификация класса нечетких систем с помощью устойчивого рекуррентного алгоритма [Электронный ресурс] / Березин, Пащенко // Прикладная информатика / Journal of Applied Informatics .— 2011 .— №6 .— С. 111-116 .— Режим доступа: https://rucont.ru/efd/453316

Автор: Березин

В статье предложен рекуррентный релаксационный алгоритм для идентификации параметров последователей правил нейронечеткой модели Такаджи-Суджено. Приводится аналитическое доказательство устойчивости данного алгоритма на основе метода анализа устойчивости «входа к состоянию»

многомерную дискретную систему: x (t+1) = f [x (t),u (t)] y (t) = h [x (t)], (1) где u t m( ) ∈ℜ — вектор <...> входов, x t n( ) ∈ℜ — вектор состояния, y t m( ) ∈ℜ — выходной вектор, f x t u t C[ ( ), ( )],h[x(t) <...> (5) где Ri — правила, xk — входные переменные; Xik — нечеткие множества, характеризующие входные и выходные <...> П ащ ен ков i-м правиле, k = 1,n, cik — коэффициенты линейных уравнений, yi = [yi1, yi2,…, yim] — выходной <...> вектор i-й линейной подсистемы.

21

Проектирование нечеткого регулятора следящей системы [Электронный ресурс] / Бошляков // Инженерный журнал: наука и инновации .— 2013 .— №8 .— Режим доступа: https://rucont.ru/efd/276589

Автор: Бошляков
М.: Изд-во МГТУ им. Н.Э. Баумана

Предложен метод построения нечеткого регулятора для следящего привода. Приведены результаты математического моделирования синтезированной системы.

; – входной нечеткий вектор; – выходной нечеткий вектор; Y – выходной четкий вектор сигналов Структура <...> Сигналы, входящие в этот вектор, называются лингвистическими переменными. 3. <...> выходной нечеткий вектор , являющийся результатом нечеткого логического вывода. 4. <...> Значениям (термам) лингвистических переменных, составляющих выходной вектор , на основании функций принадлежности <...> ставятся в соответствие определенные четкие значения сигналов, образующие выходной четкий вектор Y,

22

Моделирование технологии восстановления и упрочнения деталей из алюминиевых сплавов на примере МДО

В статье представлены методы моделирования технологий восстановления и упрочнения деталей с последующим применением разработанных моделей для автоматизации технологический процессов.

Если на вход полностью настроенной сети подать входной вектор, не входящий в обучающую выборку, то выходной <...> вектор с достаточной степе­ нью точности будет .приближен к действительному. <...> В качестве выходных пара­ метров модели были выбраны величины, задающие режим процесса МДО, технологические <...> устанавливаемые для проведения процесса упрочнения технологиче­ ские параметры, мы можем определить значения выходных <...> нейросетевом моделировании процесса МДО входной слой нейронов соответствует вход­ ным параметрам модели, выходной

Предпросмотр: Моделирование технологии восстановления и упрочнения деталей из алюминиевых сплавов на примере МДО .pdf (0,1 Мб)
23

МОДЕЛИРОВАНИЕ ВАРИАНТОВ ОПТИМИЗАЦИИ ДЛЯ ПРИНЯТИЯ РЕШЕНИЙ ПРИ КОНТРОЛЕ И УПРАВЛЕНИИ РАЗРАБОТКОЙ НЕФТЕГАЗОВОГО МЕСТОРОЖДЕНИЯ [Электронный ресурс] / Сагдатуллин // Нефтепромысловое дело/Oilfield Engineering .— 2014 .— №8 .— С. 33-36 .— Режим доступа: https://rucont.ru/efd/434114

Автор: Сагдатуллин

В настоящее время актуальным вопросом является разработка системы эффективного управления и мониторинга эксплуатации месторождения, для чего стали использоваться гидродинамические модели. В статье рассмотрены основные этапы создания постоянно действующей геологотехнологической модели (ПДГТМ) и проведен анализ данных, необходимых для ее построения. Исследован метод применения искусственных нейронных сетей и процедура их обучения для корректировки геолого-технологической модели. Предложен алгоритм и последовательность обучения нейронной сети для решения задачи оптимизации работы добывающих и нагнетательных скважин с минимизацией среднеквадратичной ошибки в процессе обучения. Выявлено, что рассматриваемый метод позволяет прогнозировать объемы закачиваемой жидкости, оптимизировать режимы работы нагнетательных и добывающих скважин. Также сделан вывод о важности задачи интеллектуализации месторождений на основе оснащения скважин контрольноизмерительным оборудованием и микропроцессорными средствами автоматизации, позволяющими управлять месторождениями в реальном масштабе времени.

МОДЕЛИРОВАНИЕ Нефтепромысловое дело 8/2014 34 Из выражения (1) видно, что нейрон полностью описывается векторами <...> Получив набор чисел (вектор) xm в качестве входов, нейрон выдает некоторое число y на выходе [9, 10]. <...> сети; 3) определяется разность между вектором целей и выходным сигналом сети; 4) уменьшение ошибки с <...> Полученный выходной вектор сравнивается с целевым, и если они совпадают, то обучение заканчивается. <...> слое и выходного сигнала нейрона скрытого слоя i, посылающего сигнал по этой связи.

24

ВОЗМОЖНОСТИ ПО ИССЛЕДОВАНИЮ ХАРАКТЕРИСТИК ИНФОРМАЦИОННЫХ КОМПЬЮТЕРНЫХ СИСТЕМ И УПРАВЛЕНИЮ ИМИ [Электронный ресурс] / Гончаров [и др.] // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии .— 2014 .— №4 .— С. 16-22 .— Режим доступа: https://rucont.ru/efd/511932

Автор: Гончаров

В данной работе рассмотрен подход к представлению и анализу состояний информационной компьютерной системы с помощью нейронных сетей и вейвлет-преобразования с целью адаптивного управления соответствующими характеристиками

входные сигналы которого соответствуют характеристикам средств воздействия, т.е. определен входной вектор <...> сравнивается с пороговым значением ,P в общем случае различным для каждого Предметного свойства, и формируется выходной <...> ВЕСТНИК ВГУ, СЕРИЯ: СИСТЕМНЫЙ АНАЛИЗ И ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ, 2014, № 4 , .i mres Таким образом, выходной <...> вектор { }...

25

ИДЕНТИФИКАЦИЯ ГАЗОПЕРЕКАЧИВАЮЩЕГО АГРЕГАТА ДЛЯ МОДЕЛЬНОГО ИСПЫТАНИЯ И НАСТРОЙКИ СИСТЕМЫ УПРАВЛЕНИЯ [Электронный ресурс] / Килин [и др.] // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии .— 2014 .— №1 .— С. 65-71 .— Режим доступа: https://rucont.ru/efd/511918

Автор: Килин

В статье рассматривается алгоритм идентификации газоперекачивающего агрегата по данным наблюдения за входными и выходными переменными. Быстрорешаемая модель предназначается для организации процедуры настройки систем управления газоперекачивающего агрегата

рассматривается алгоритм идентификации газоперекачивающего агрегата по данным наблюдения за входными и выходными <...> дисперсий, кроме того, чтобы избежать смещения оценок на каждой итерации требуется (2 1)n + измерений выходного <...> ошибок, CY – вектор выходов реального объекта, Y – выходной вектор быстрорешаемой модели, I – единичная <...> При этом модели обычно представляют в следующем виде: ,=Y AX (3) где Y – вектор выходных переменных, <...> V включает в себя как входные, так и выходные переменные идентифицируемой системы.

26

ИСКУССТВЕННЫЕ НЕЙРОННЫЕ СЕТИ С ГИСТЕРЕЗИСНОЙ ФУНКЦИЕЙ АКТИВАЦИИ НА ОСНОВЕ ПРЕОБРАЗОВАТЕЛЯ ПРЕЙCАХА [Электронный ресурс] / Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии .— 2013 .— №2 .— С. 171-178 .— Режим доступа: https://rucont.ru/efd/511657

Разработаны принципы построения однослойной и двухслойной искусственных нейронных сетей с гистерезисной функцией активации нейронов на основе модели Прейсаха. Предложены алгоритмы их обучения. Проведен анализ работы рассматриваемых нейросетей на примере задачи классификации образов

Здесь Ym – вектор входных значений ;Wmn – матрица весовых коэффициентов; Un – вектор воздействий; X n <...> Un – вектор воздействий скрытого слоя; Qn – выходной вектор скрытого слоя; Vnp – матрица весовых коэффициентов <...> выходного слоя; Ep – вектор воздействий выходного слоя; Xp – целевой вектор. <...> Входной вектор Y имеет область значений {-1,1}. <...> Это значит, что по индексу элемента выходного вектора x i > 1,1 можно определить нейрон, находящийся

27

КОМПЛЕКСНАЯ СИСТЕМА ИЗМЕРЕНИЯ МАЛЫХ ВОЗДУШНЫХ СКОРОСТЕЙ ВЕРТОЛЕТА С НАБЛЮДАТЕЛЕМ ЛЮЭНБЕРГЕРА [Электронный ресурс] / Солдаткин, Никитин // Фундаментальные и прикладные проблемы техники и технологии .— 2011 .— 1 .— С. 78-84 .— Режим доступа: https://rucont.ru/efd/493078

Автор: Солдаткин

Рассматриваются особенности построения, математические модели и результаты имитационного моделирования аэромеханической системы вычисления составляющих вектора истинной воздушной скорости вертолета по уравнениям «застывшего» вертолета с использованием наблюдателя Люэнбергера, которую предлагается комплексировать с системой измерения малых воздушных скоростей вертолета на основе неподвижного аэрометрического приемника

подбираются таким образом, чтобы минимизировать разность YYY измеренных Y и оцененных наблюдателем Y выходных <...> Так как компоненты ,,, zyx ,, достаточно точно определяются по результатам их измерения по выходному <...> Если вектор Y выходных сигналов измерительной системы, поддающихся измерению с достаточной точностью, <...> наблюдения размерности n–r; W – выходной вектор наблюдателя Люэнбергера (n–r)-го порядка. <...> погрешностей комплексной системы измерения малых воздушных скоростей вертолета будем считать, что в выходных

28

ПРОГНОЗИРОВАНИЕ ДИНАМИКИ ВРЕМЕННОГО РЯДА АТМОСФЕРНЫХ ТЕМПЕРАТУР НА ОСНОВЕ ИЕРАРХИЧЕСКИХ МНОГОСЛОЙНЫХ НЕЙРОННЫХ СЕТЕЙ [Электронный ресурс] / Сирота, Матвеев // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии .— 2015 .— №4 .— С. 142-148 .— Режим доступа: https://rucont.ru/efd/511781

Автор: Сирота

В настоящей работе проведен анализ возможности применения методики построения иерархической нейронной сети для прогнозирования динамики процессов изменения атмосферной температуры, а также сравнение полученных результатов с ранее полученными прогностическими моделями

, соответственно выходной вектор определяется как .su u= Выходное значение сети первого иерархического <...> T t M t M tx y y y u− − + −=  Вектор выхода имеет длину 1,m = и, соответственно выходной целевой вектор <...> u− − + −= s L> и требуемые им выходные целевые векторы ( ) ( ) ,i isu u= 1 ,i K=  где K – число обучающих <...> − + −=  t M> и требуемые им выходные целевые векторы ( ) ( ) ,j jtx x= 1 ,j J=  где J – число обучающих <...> Количество выходных нейронов равно единице.

29

КОМПЛЕКСНАЯ СИСТЕМА ИЗМЕРЕНИЯ МАЛЫХ ВОЗДУШНЫХ СКОРОСТЕЙ ВЕРТОЛЕТА С НАБЛЮДАТЕЛЕМ ЛЮЭНБЕРГЕРА [Электронный ресурс] / Солдаткин, Никитин // Фундаментальные и прикладные проблемы техники и технологии .— 2011 .— 2 .— С. 9-16 .— Режим доступа: https://rucont.ru/efd/494815

Автор: Солдаткин

Рассматриваются особенности построения, математические модели и результаты имитационного моделирования аэромеханической системы вычисления составляющих вектора истинной воздушной скорости вертолета по уравнениям «застывшего» вертолета с использованием наблюдателя Люэнбергера, которую предлагается комплексировать с системой измерения малых воздушных скоростей вертолета на основе неподвижного аэрометрического приемника

подбираются таким образом, чтобы минимизировать разность YYY измеренных Y и оцененных наблюдателем Y выходных <...> Так как компоненты ,,, zyx ,, достаточно точно определяются по результатам их измерения по выходному <...> Если вектор Y выходных сигналов измерительной системы, поддающихся измерению с достаточной точностью, <...> наблюдения размерности n–r; W – выходной вектор наблюдателя Люэнбергера (n–r)-го порядка. <...> погрешностей комплексной системы измерения малых воздушных скоростей вертолета будем считать, что в выходных

30

ОПТИМИЗАЦИЯ ФИНАНСОВЫХ ПОКАЗАТЕЛЕЙ ПРЕДПРИЯТИЯ НА ОСНОВЕ НЕЙРОСЕТЕВОЙ МОДЕЛИ [Электронный ресурс] / Степашина // Информационные системы и технологии .— 2014 .— №5 .— С. 34-42 .— Режим доступа: https://rucont.ru/efd/486596

Автор: Степашина

В статье предложен метод решения задачи оптимизации финансовых показателей с применением нейросетевого подхода в пакете Matlab на примере предприятия ОАО «Башинформсвязь». Проведен ряд вычислительных экспериментов по выбору нейронной сети в пакете Matlab, наилучшим образом аппроксимирующей исходные данные. Вычислены оптимальные значения финансовых показателей, доставляющих максимум значению чистой прибыли.

из обучающей выборки; OUTP – сформированный выходной вектор из обучающей выборки. <...> входных сигналов; Y – вектор выходных значений сети. <...> right), где X0 – начальная точка; остальные параметры задают ограничения вида: bXA  (А – матрица, b – вектор <...> ); eqeq bXA  ( eqA – матрица, eqb – вектор); rightXleft  (left, right – вектора). <...> Для решения задачи оптимизации (3, 4) задаются вектора left и right с учетом нормализации значений финансовых

31

Современные проблемы науки учеб. пособие

Автор: Ясницкий Л. Н.
М.: Лаборатория знаний

Рассмотрены вопросы становления и эволюции науки, психологии познания, а также способы передачи знаний и образование как фундаментальная категория науки. Обсуждаются взаимоотношения науки и философии, науки и религии, науки и искусства, науки и квазинауки. Особое внимание уделено проблемам взаимоотношения науки и производства, негативным последствиям научно-технического прогресса. Изложены и проанализированы современные методы получения научных знаний (технологии математического моделирования и искусственного интеллекта, включая обучение их практическому применению в различных областях человеческой деятельности).

входных величин X на вектор выходных величин Y . <...> параметров X на выходной вектор Y . <...> Xq формирует соответствующий ему выходной вектор Dq. <...> входных величин X на вектор выходных величин Y . <...> параметров X на выходной вектор Y .

Предпросмотр: Современные проблемы науки.pdf (0,2 Мб)
32

ОСНОВНЫЕ НАПРАВЛЕНИЯ ПРИМЕНЕНИЯ КОМПЬЮТЕРНЫХ ТЕХНОЛОГИЙ В ЗАДАЧАХ УПРАВЛЕНИЯ ДИНАМИЧЕСКИМИ ОБЪЕКТАМИ [Электронный ресурс] / Веремей // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии .— 2012 .— №1 .— С. 15-20 .— Режим доступа: https://rucont.ru/efd/520045

Автор: Веремей

Статья посвящена рассмотрению базовых концепций современных направлений применения компьютерных технологий в процессах и системах управления. Особое внимание уделено идеологии оптимизационного подхода к проектированию систем. Указаны проблемы компьютерной реализацией цифровых законов управления в темпе протекания динамических процессов. Приведен пример формирования алгоритмического обеспечения с учетом ограниченные возможностей встраиваемых систем. Обсуждены особенности подготовки специалистов по применению компьютерных технологий в процессах управления

состояния, d ŒEl – вектор возмущений, u ŒEm – вектор управлений, e ŒEk – контролируемый вектор, y ŒEk1 <...> – вектор измерений. <...> Будем считать, что обратная связь (3) задана за исключением вектора h ŒE p ее настраиваемых параметров <...> Зададим вектор внешних возмущений d d= Œ( )t D на конечном отрезке времени t TŒ[ , ].0 В предположении <...> о существовании и единственности решения задачи Коши, это однозначно определит выходной вектор e e h

33

АЛГОРИТМ МАКСИМИЗАЦИИ ЭНТРОПИИ ОБУЧАЮЩЕЙ ВЫБОРКИ И ЕГО ИСПОЛЬЗОВАНИЕ ПРИ СИНТЕЗЕ МОДЕЛЕЙ ПРОГНОЗА ДИСКРЕТНЫХ СОСТОЯНИЙ НЕЛИНЕЙНЫХ ДИНАМИЧЕСКИХ СИСТЕМ [Электронный ресурс] / Назаров А.В., Якимов В.Л., Авдеев В.А. // Информационно-управляющие системы .— 2015 .— №2 .— Режим доступа: https://rucont.ru/efd/314591

Постановка проблемы: для описания процессов функционирования и прогнозирования состояния неисправных, но работоспособных сложных технических объектов, находящихся в условиях нестационарного воздействия факторов внешней среды, часто используется математический аппарат, учитывающий нелинейный и вероятностный характер процессов функционирования его подсистем, например автоматы с памятью, вероятностные автоматы или логико- вероятностные модели. При этом низкая достоверность прогнозных моделей дискретных состояний обусловлена ста- тистическими свойствами обучающей выборки. Цель работы — повысить достоверность класса прогнозных моделей дискретных состояний нелинейных динамических систем, получаемых на основе последовательного статистического обучения при заданном времени их обучения. Результаты: сформулирована общая постановка задачи синтеза ней- росетевой прогнозной модели, использующей кодированную информацию о дискретных состояниях нелинейной дина- мической системы, с учетом ограничений на время ее обучения. Разработан алгоритм обучения прогнозной модели, учитывающий требования к ее применению. Предложен алгоритм максимизации энтропии обучающей выборки, позво- ляющий значимо повысить достоверность нейросетевой прогнозной модели дискретных состояний с последовательным обучением и улучшить данный показатель по сравнению с наилучшей авторегрессионной полиномиальной моделью. Приведен пример прогнозной модели дискретных состояний бортовой аппаратуры космического аппарата в условиях нештатного функционирования. Практическая значимость: разработанные алгоритмы позволяют сравнительно быстро синтезировать достоверную прогнозную модель на основе кодированной информации о состояниях дискретной дина- мической системы при низком значении энтропии исходной обучающей выборки. Рекомендовано использовать разра- ботанные алгоритмы в бортовых комплексах управления летательных аппаратов для синтеза автоматов, описывающих сложные процессы функционирования бортовых систем, в том числе в условиях нештатного функционирования.

Векторы входных данных Xi и выходных данных Yi образуют обучающую пару (таблица). <...> ; y*v — компоненты целевого вектора; m — размер выходного вектора. <...> Вычислить компоненты вектора выходных значений каждого слоя Yik (7). <...> Загрузить вектор Xi Вычислить компоненты вектора выходных значений прогнозной модели: S*i + 1 i < T Осуществить <...> Выходной вектор представлял собой слово состояния бортовой аппаратуры и солнечной батареи в следующий

34

ПРОГНОЗИРОВАНИЕ ПРЕДЕЛЬНОГО РЕСУРСА ЭКСПЛУАТАЦИИ СЛОЖНЫХ ТЕХНИЧЕСКИХ СИСТЕМ НА ОСНОВЕ ПРОГНОСТИЧЕСКОГО МОДЕЛИРОВАНИЯ И ЭЛЕМЕНТОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА [Электронный ресурс] / Будадин [и др.] // Контроль. Диагностика .— 2015 .— №12 .— С. 30-35 .— Режим доступа: https://rucont.ru/efd/546776

Автор: Будадин

Изложены результаты исследований возможности повышения достоверности оценки предельного срока эксплуатации путем построения прогностических моделей на основе многофункциональных систем с большим набором разнообразных входных данных, например ускоренных испытаний, опытного натурного старения, результаты неразрушающего контроля (мониторинга) объектов с применением элементов искусственного интеллекта на основе искусственных нейронных сетей (ИНС) с использованием абдуктивного и паллиативного методов. Получаемая система способна к работе с логическими подходами, самообучению – решению задач, принятию решений о достаточности информации входных данных и установлению причинно-следственных связей. Данный метод основан на использовании многокомпонентных многоуровневых информационно-измерительных систем, обеспечивающих предоставление оперативной и достоверной агрегированной (собранной по определенным характеристическим параметрам) информации о состоянии, тенденциях и признаках возникновения опасных ситуаций, получаемой за счет комплексной обработки данных от различных информационных, измерительных, управляющих и противоаварийных систем.

построить некоторое отображение H → Y такое, чтобы на каждый возможный входной образ, представленный вектором <...> входных данных H, формировался правильный выходной вектор прогноза Y. <...> в случае установления прогнозных значений является нелинейным; 3) отображение входной информации в выходную <...> образом выбирается пример, а ИНС модифицирует синаптические веса для минимизации расхождений желаемого выходного

35

ПОЛУБЕСКОНЕЧНАЯ МОДЕЛЬ ОГРАНИЧЕНИЯ ВРЕДНЫХ ВЫБРОСОВ ПРЕДПРИЯТИЙ НА ТЕРРИТОРИЯХ СО СМЕШАННЫМ ЛАНДШАФТОМ [Электронный ресурс] / Федосов, Федосова // Вестник компьютерных и информационных технологий .— 2011 .— №8 .— С. 18-26 .— Режим доступа: https://rucont.ru/efd/569035

Автор: Федосов

Создана модель и применен алгоритм полубесконечной оптимизации для поиска оптимального соответствия вектора мощностей группы источников загрязнений допустимым нормативам, действующим в зонах территории со смешанным ландшафтом. В MATLAB разработан программный комплекс, обеспечивающий построение по итогам оптимизации карт загрязнения территории, он может служить инструментом периодического мониторинга территории по всей включенной в модель информационной базе

Если функции начального загрязнения более сложные, их удобно представлять нейросетью, причем выходной <...> (вектор), координаты источников (матрица), константы параболы разброса компонентов загрязнения (вектор <...> Выходные результаты содержат: сокращение мощностей источников загрязнения (вектор), матрицу учета ЛМН <...> Выходные графические результаты включают: карту размещения ЛМН (фигура), итоговый план разброса загрязнений <...> Стартовый и оптимальный векторы х приведены в табл. 2.

36

ПРЕДСТАВЛЕНИЕ КОНЕЧНЫХ ГРУПП НЕЙРОННЫМИ СЕТЯМИ [Электронный ресурс] / Головинский, Довжикова // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии .— 2008 .— №1 .— С. 49-55 .— Режим доступа: https://rucont.ru/efd/519625

Автор: Головинский

Рассмотрено представление дискретных групп и полугрупп нейронными сетями. Построен алгоритм выделения из временного ряда структуры, представляемой конечным автоматом, и продемонстрирована реализация конечного автомата нейронными сетями. Установлена связь дискретных симметрий с симметриями перестановок входов нейронов в сети. Показана возможность применения нейронных сетей, использующих инварианты групп, для оценки точности симметрии данных

значение входных воздействий, называемых входным алфавитом { }1 2, , mX x x x= … , и конечное число выходных <...> состояния 1 2 3, ,q q q , а входной алфавит содержит два элемента 1x и 2x , так же, как есть и два выходных <...> дуг показывает, что имеются переходы, при которых состояние автомата не меняется, но вырабатывается выходной <...> вектор на выходе, входящий в ассоциативную связь с входным вектором. <...> Выходной вектор также составим из двух частей, одна из которых отобразит П. А. Головинский, О. С.

37

Обзор гибридных зеркальных антенн для судовых радиолокационных станций [Электронный ресурс] / Пономарев, Ветров, Бокарев // Известия Балтийской государственной академии рыбопромыслового флота .— 2009 .— №2 .— С. 157-171 .— Режим доступа: https://rucont.ru/efd/362849

Автор: Пономарев

В статье представлен опыт аналитического обзора зеркальных антенн для судовых радиолокационных станций

Kнига-Cервис»Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис» 161 yyxx nnn ˆˆ   радиус-вектор <...> n -го излучателя ФАР; yyxx ˆˆ   радиусвектор точки наблюдения; yyxx ˆˆ   радиус-вектор точки <...> Введены обозначения: iw весовые коэффициенты;  ny  вектор суммарного отклика; ""H знак комплексного <...> сопряжения; yS  выходной вектор спектральной плотности мощности сигнала  0w 1w 2w 1pw  nx0  nx1 <...> ,pG ,  pGd заданный и реализованный КУ, соответственно;  T транспонированный параметрический вектор

38

Основы нейроинформатики [учеб. пособие]

Автор: Солдатова
Издательство СГАУ

Основы нейроинформатики. Используемые программы: Adobe Acrobat. Труды сотрудников СГАУ (электрон. версия)

x связаны два выходных вектора сети: вектор фактических выходных сигналов и вектор ожидаемых выходных <...> Подать на вход сети вектор x и рассчитать значения выходных сигналов нейронов скрытых слоев и выходного <...> , а – соответствующий ему ожидаемый выходной вектор. tx td 3.2. <...> вектор слоя Гроссберга, u – выходной вектор слоя Кохонена, v – матрица весов слоя Гроссберга. <...> Выходной однонаправленный слой формирует выходной вектор, соответствующий входному вектору.

Предпросмотр: Основы нейроинформатики.pdf (1,0 Мб)
39

Разработка нового алгоритма шифрования данных с симметричным ключом [Электронный ресурс] / Умаров, Акбаров // Журнал Сибирского федерального университета. Техника и технологии. Journal of Siberian Federal University. Engineering & Technologies .— 2016 .— №2 .— С. 74-84 .— Режим доступа: https://rucont.ru/efd/454524

Автор: Умаров

В статье описывается алгоритм шифрования данных с симметричным ключом с использованием комбинации практически необратимых преобразований. Предлагаемый алгоритм основан на сети Файстеля.

этой матрицы выражаются одним байтом, поэтому удовлетворяют условию 2550 ija ; – nn yyyy ,...,, 211 – выходной <...> вектор результата матричного преобразования An×4un×4 по mod 256, т.е. yn×4 = An×4un×4(mod 256), где <...> по mod 2 (по модулю 2); – nn zzzz ,...,, 211 – вектор, представляющий собой результат преобразования <...> zn×1 = S(yn×1) = (z1,z2,…,zn) как результат преобразования вектора yn×1 через S-блок. 5. <...> По таблице сжатия ТС 8×n-разрядный (n-байтный) вектор zn×1 сжимается в 32-разрядный (4-байтный) вектор

40

Основы компьютерного проектирования и моделирования радиоэлектронных средств учеб. пособие для вузов

Автор: Трухин М. П.
М.: Горячая линия – Телеком

Рассмотрены методология и технология компьютерного проектирования и моделирования радиотехнических средств. Основное внимание уделено алгоритмическому и математическому обеспечению разработки электронных схем, а также оптимизации вычислительных процедур. Примеры работы алгоритмов иллюстрируются с помощью пакета учебных программ АНАЛИЗ.

Определение временных зависимостей вектора состояния V(t) схемы и связанного с ним выходного вектора <...> , в выходной вектор Y (см. главу 1). <...> Если элементы этого искомого выходного вектора не совпадают с элементами вектора состояния, то вводят <...> dV(t)/dt и P(t), матрица выходного вектора FY — между Y(t) и P(t). <...> выходной вектор Yk (блоки 15–17).

Предпросмотр: Основы компьютерного проектирования и моделирования радиоэлектронных средств. Учебное пособие для вузов. - 2016 (1).pdf (0,3 Мб)
41

ОБ ОЦЕНКЕ УРОВНЯ ИННОВАЦИОННОГО РАЗВИТИЯ РЕГИОНОВ РОССИИ [Электронный ресурс] / Ю.Д. Шмидт [и др.] // Региональная экономика: теория и практика .— 2017 .— №2 .— С. 136-148 .— Режим доступа: https://rucont.ru/efd/576474

Автор: Шмидт Юрий Давыдович

Разработка методического инструментария для оценки уровня инновационного развития территорий является актуальной проблемой анализа и активизации регионального развития. В статье анализируются существующие методики расчета рейтинга инновационного развития регионов и выделяются общие черты, элементы и схемы расчетов, а также существенные различия. Возникает проблема выбора наиболее адекватной методики сравнительной оценки уровня инновационного развития региона из существующих, так как их результаты, как правило, значительно различаются

и ковариационные матрицы, количество векторов в смесях. <...> Сначала формируется вектор входных данных рейтинга X = (x1, x2,.. <...> Результатом применения инструмента является вектор Y, размерность которого равна n, как и у вектора X <...> Выходной вектор Y текущего этапа становится входным для следующего. Ю.Д. <...> Из таблицы видно, что наименьшее расстояние между входными и выходными данными имеет рейтинг Высшей школы

42

Интеллектуальные системы учебник

Автор: Ясницкий Л. Н.
М.: Лаборатория знаний

В учебнике приведена история становления научной области «искусственный интеллект». Освещены основные направления ее развития и сферы применения, выполнено сопоставление трех основных стратегических подходов к созданию интеллектуальных систем: технологии экспертных систем, технологии нейронных сетей и технологии эволюционного моделирования. Изложены теоретические основы и даны примеры разработки интеллектуальных систем, а также примеры их применения для интеллектуального анализа данных в промышленности, экономике, бизнесе, психологии, социологии и других областях. Книга является исчерпывающим руководством по освоению технологий создания интеллектуальных нейросетевых систем и их применению для решения широкого круга проблем, встречающихся во многих областях деятельности современного человека.

Все зависит от того, какой смысл придавать входному вектору xj и выходному вектору yi. <...> выходные векторы. <...> модели, а также структура (состав и длина) входного вектора X , и выходного вектора D. <...> Компоненты входного вектора X и выходного вектора D представляют собой числа. <...> Как формируется структура входного вектора X и выходного вектора D? 3.

Предпросмотр: Интеллектуальные системы учебник — Эл. изд..pdf (0,2 Мб)
43

Моделирование систем Учебно-методическое пособие

Ивановский государственный химико-технологический университет

Цель учебного пособия дать студентам общее представление о современных методах моделирования технических и технико-экономических систем и объектов. В пособии рассматриваются общие вопросы и современная методология моделирования, непрерывные и дискретные детерминированные модели объектов и систем, стохастические модели с дискретным и непрерывным временем. Большое внимание уделено методам имитационного моделирования систем с вероятностными характеристиками. Дается обзор других подходов к моделированию сложных систем, таких как информационно-энтропийный, использование нейронных сетей и сетей Петри. Учебное пособие предназначено для студентов, обучающихся по специальностям подготовки 080801 Прикладная информатика и 230201 Информационные системы и технологии. Кроме того, пособие может быть полезным для студентов других специальностей и направлений.

вектор выходных сигналов [Y]. <...> Обучение с учителем предполагает, что для каждого входного вектора [X] существует выходной целевой вектор <...> [D], представляющий собой требуемое значение выходного вектора [Y]. <...> По заданному входному вектору [Xk] сеть вычисляет выходной вектор, который сравнивается с соответствующим <...> Активационная функция нейронов сети Хопфилда Поэтому элементы выходного вектора (выходные сигналы) сети

Предпросмотр: Моделирование систем.pdf (0,3 Мб)
44

Нейронные сети учеб. пособие

Автор: Горожанина Е. И.
Изд-во ПГУТИ

Учебное пособие имеет целью ознакомить учащихся с компонентами интеллектуальных систем, а именно искусственные нейронные сети. Предусмотрено рассмотрение принципов построения интеллектуальных информационных систем и их «настройке». Затрагивается вопрос применения инструментальных средств поддержки проектирования и построения нейросетей.

Предъявляется выходной вектор, вычисляется выход сети и сравнивается с соответствующим целевым вектором <...> Обучающий алгоритм подстраивает веса сети так, чтобы получались согласованные выходные векторы, то есть <...> Вычислить выходной вектор сети. 3 0 . Вычислить разность между выходным и целевым векторами. 4 0 . <...> Затем рассчитываем вектор значений, на которые следует скорректировать синаптическую матрицу выходного <...> Затем рассчитываем вектор значений, на которые следует скорректировать синаптическую матрицу выходного

Предпросмотр: Нейронные сети учебное пособие.pdf (0,6 Мб)
45

Нейросетевые и гибридные системы

Автор: Каширина Ирина Леонидовна
Издательский дом ВГУ

Учебно-методическое пособие подготовлено на кафедре математических методов исследования операций факультета прикладной математики, информатики и механики Воронежского государственного университета.

Предъявляется выходной вектор, вычисляется выход сети и сравнивается с соответствующим целевым вектором <...> Предъявление на вход вектора из данного класса даст определенный выходной вектор, но до обучения невозможно <...> выходным вектором Y. <...> собой возможные вариации запоминаемого выходного вектора. 5.3. <...> Подать выходной вектор слоя Кохонена на вход слоя Гроссберга.

Предпросмотр: Нейросетевые и гибридные системы .pdf (0,9 Мб)
46

Конспект лекций по учебной дисциплине «Проектирование баз данных и баз знаний» по специальности: 080801 Прикладная информатика (в экономике)

Автор: Жданова Е. И.
Изд-во ПГУТИ

Дисциплина имеет целью ознакомить учащихся с некоторыми методами организации знаний, возможными компонентами интеллектуальных систем, такими как: искусственные нейронные сети, нечеткие системы, генетические алгоритмы. Предусмотрено обучение студентов принципам построения интеллектуальных информационных систем и их «настройке», анализу существующих элементов интеллектуальности и выбору оптимального. Затрагивается вопрос применения инструментальных средств поддержки проектирования и построения нейросетей, нечетких экспертных систем и систем, функционирующих на основе генетических алгоритмов.

Предъявляется выходной вектор, вычисляется выход сети и сравнивается с соответствующим целевым вектором <...> Обучающий алгоритм подстраивает веса сети так, чтобы получались согласованные выходные векторы, то есть <...> Значения, которые принимают нейроны в выходном слое, отображают насколько вектор классифицируемого объекта <...> Вычислить выходной вектор сети. 3 0 . Вычислить разность между выходным и целевым векторами. 4 0 . <...> Затем рассчитываем вектор значений, на которые следует скорректировать синаптическую матрицу выходного

Предпросмотр: Проектирование баз данных и баз знаний Конспект лекций .pdf (0,4 Мб)
47

Моделирование электротехнических устройств в MATLAB. SimPowerSystems и Simulink

Автор: Черных И. В.
М.: ДМК-Пресс

В книге содержится описание прикладной программы Simulink и библиотеки блоков SimPowerSystems, предназначенной для моделирования электротехнических устройств и систем. Рассматривается методика создания моделей с помощью графического интерфейса программы, дается описание базовой библиотеки блоков SimPowerSystems, описаны методы расчета моделей. Подробно изложена методика создания электротехнических блоков пользователя. Даны основные команды для управления моделью из ядра пакета MATLAB. Рассмотрен механизм выполнения расчета модели. Даны советы автора по применению программы. В издании дано большое количество примеров, поясняющих работу блоков и методику создания модели.

Выходными сигналами блока являются векторы сигналов измеряемых пере# менных. <...> На выходном порту m блока формируется вектор из 14 переменных машины: 1. <...> Все нужные внутренние сигналы передаются большинством моделей в выходной вектор изме# рений m. <...> Модель также выдает более 20 измеренных сигналов в выходной вектор m. <...> В выходной вектор m SPS#модели передаются значения тока и напряжения ключа.

Предпросмотр: Моделирование электротехнических устройств в MATLAB. SimPowerSystems и Simulink.pdf (46,5 Мб)
48

№3 [Вестник Московского государственного технического университета имени Н.Э. Баумана. Серия "Машиностроение", 2010]

М.: Изд-во МГТУ им. Н.Э. Баумана

Освещаются вопросы по направлениям: механика силовых конструкций различного назначения; проблемы энергетики; современные проблемы технологий; фундаментальные проблемы математики, физики, механики сплошной среды и т. д.

выходных обобщенных координат; b = [bi] (i = 1 . . . 5) — вектор центробежных и кориолисовых сил и моментов <...> входных (заданных) и выходных обобщенных координат; μд = [0 0 0 μд4 μд5] т — вектор сил и моментов, <...> Матричная передаточная функция устанавливает связь между векторами входных и выходных обобщенных координат <...> или ошибочные данные; зависимость выхода от входа окажется резко нелинейной: выходной вектор будет существенно <...> — в области, где нет или мало известных точек, выходной вектор будет случайным и непредсказуемым, не

Предпросмотр: Вестник МГТУ им. Н.Э. Баумана. Серия Машиностроение. №3 2010.pdf (0,1 Мб)
49

МИКРОПРОЦЕССОРНЫЕ СИСТЕМЫ УПРАВЛЕНИЯ И РАСПОЗНАВАНИЯ ДЛЯ АГРОТЕХНОЛОГИЙ АВТОРЕФЕРАТ ДИС. ... ДОКТОРА ТЕХНИЧЕСКИХ НАУК

Автор: ЕРКОВ АРКАДИЙ АЛЕКСАНДРОВИЧ
М.: ВСЕРОССИЙСКИЙ НАУЧНО-ИССЛЕДОВАТЕЛЬСКИЙ ИНСТИТУТ ЭЛЕКТРИФИКАЦИИ СЕЛЬСКОГО ХОЗЯЙСТВА

Целью работы является теоретическое обоснование и разработка методик построения автоматически перестраиваемых систем управления сельскохозяйственного назначения, методов выделения признаков и синтеза систем распознавания и диагностики, разработка на основе этих результатов автоматических систем, обладающих высокой технико-экономической эффективностью. В соответствии с поставленной целью требовалось решить следующие задачи: 1. Обосновать и разработать математические модели и алгоритмы идентификации класса объектов и процессов общие для систем диагностики, восприятия и АСУТП с переменной структурой, объединить сенсорный и логический уровни в методах построения автоматических систем. 2. Разработать методику построения алгоритмов управления АСУТП с переменной структурой, автоматически изменяющих алгоритм работы в зависимости от автоматически идентифицированного структурного состояния объекта. 3. Проанализировать особенности технологических процессов, разработать их аналитические и численные модели объектов и САУ применительно к микроконтроллерной реализации АСУТП.

состояния системы; f(x,u,t) вектор-функция системы, в общем случае нелинейная; и вектор управляющих <...> Выходной вектор Y часто рассматривается как дополнительный компонент-V. <...> Выходной сигнал получается в результате суммирования сигналов от резонаторов. <...> Запрещенных входных и выходных векторов не существует: автомат для АСУТП является всюду опре­ деленным <...> Но для задачи идентификации структур не существует запрещенных входных и выходных векторов: могут быть

Предпросмотр: МИКРОПРОЦЕССОРНЫЕ СИСТЕМЫ УПРАВЛЕНИЯ И РАСПОЗНАВАНИЯ ДЛЯ АГРОТЕХНОЛОГИЙ.pdf (0,0 Мб)
50

№5 [Студент. Аспирант. Исследователь, 2017]

Всероссийский научный журнал «Студент. Аспирант. Исследователь» является электронным периодическим изданием. Статьи журнала содержат информацию, где обсуждаются наиболее актуальные проблемы современной науки и результаты исследований в различных областях знаний. Отдельные выпуски журнала могут быть посвящены освещению научных конференций и содержать материал докладов участников конференций. Журнал адресован ученым, аспирантам, соискателям, магистрантам, преподавателям-практикам, студентам.

переменные параметры 0),,,(  tZYXФФ ii , (2) где X вектор входных параметров; Y вектор выходных параметров <...> ; Z вектор управляющих параметров; t – координата времени. <...> Обозначим векторы:   HHHH cGtX ;;; 1  – входной вектор параметров наружного воздуха H t – температура <...> вектор приточного воздуха. <...> вектор вытяжного воздуха.

Предпросмотр: Студент. Аспирант. Исследователь №5 2017.pdf (0,4 Мб)
Страницы: 1 2 3 ... 1642