Нейросетевые технологии искусственного интеллекта и их применение при разработке интеллектуальных датчиков, анализаторов данных и систем обработки информации. Облегчение контроля технического состояния объектов и их параметрическая идентификация.
При низкой оригинальности работы "Структурно-функциональная организация нейронных сетей в промышленных системах обработки информации", Вы можете повысить уникальность этой работы до 80-100%
Автореферат диссертации на соискание ученой степени доктора технических наук Структурно-функциональная организация нейронных сетей в промышленных системах обработки информации Работа выполнена на кафедре информатики ГОУ ВПО "Уфимский государственный авиационный технический университет" и в Межрегиональном открытом акционерном обществе "Нефтеавтоматика" Научный консультант доктор технических наук, проф. Заслуженный деятель науки РФ, доктор технических наук, проф.Нейросетевые технологии искусственного интеллекта находят растущее применение при разработке интеллектуальных датчиков, анализаторов данных и систем обработки информации (СОИ) в нефтегазовой и других стратегически важных отраслях промышленности. Они позволяют создавать нейросетевые модели объектов автоматизации и прикладные нейросистемы, благодаря которым существенно облегчается контроль технического состояния этих объектов, их структурная и параметрическая идентификация, осуществляемая с использованием алгоритмов обучения нейронных сетей. Эффективность промышленных СОИ, создаваемых на базе нейронных сетей (нейросетевых СОИ и их нейронных структур), определяется: - степенью адекватности нейросетевых моделей объектам автоматизации, которая во многом зависит от правильного выбора структурно-функциональной организации (спецификации) используемых нейронных сетей; интеллект искусственный нейросетевой качеством предварительной обработки информации, реализуемой нейронными сетями интеллектуальных датчиков и анализаторов данных; наличием инструментария для интеграции отдельных нейронных сетей СОИ в сообщество, имеющее единую целевую функцию, на основе которой координируются процессы обучения нейронных сетей для достижения требуемого качества контроля и диагностики состояния объектов.
Вы можете ЗАГРУЗИТЬ и ПОВЫСИТЬ уникальность своей работы
