Бесплатная электронная библиотека книг, журналов и научных статей
Научные публикации
Генетические алгоритмы (ГА) – это новая область исследований, которая появилась в результате работ Д. Холланда и его коллег. ГА, описанные Д. Холландом, заимствуют в своей терминологии многое из естественной генетики. Далее будут приведены технические толкования терминов из биологии и генетики, которые используются в теории и практике генетических алгоритмов. Впервые ГА были применены к таким
научным проблемам, как распознавание образов и оптимизация.
Neural networks are a computational paradigm modeled on the human brain that has become popular in
recent years for a few reasons. First, despite their simple structure, they provide very general computational capabilities [HORN89]. Second, they can be manufactured directly in VLSI hardware and hence provide the potential for relatively inexpensive massive parallelism [MEAD89]. Most importantly, they can adapt themselves to dierent tasks, i.e. learn, solely by selection of numerical \weights". How to select these weights is a key issue in the use of neural networks. The usual approach is to derive a special-purpose weight selection algorithm for each neural network architecture. Here, we dicuss a dierent approach.
Искусственные нейронные сети (ИНС) являются мощным инструментов анализа данных, в то время как генетические алгоритмы (ГА) известны как робастные методы оптимизации, благодаря способностям к адаптации. Их совместное использование позволило бы объединить адаптивные способности ГА с аналитическими возможностями ИНС.
Для обеспечения безопасности необходимо изучить данное руководство перед началом эксплуатации генератора.
Нейронные сечи представляют собой область сетевого анализа, отличную от классической сетевой теории. Сходство заключается в использовании принципа дискретности моделируемого объекта и связности модели. Отличие в том, что здесь крайне важна последовательность соединений вершин графа. Можно сказать, что нейронные сети представимы ориентированными графами.
The invention relates generally to hydrogen production and processing systems, and more particularly, to enhancement of performance of an integrated hydrogen production and processing system, that may include, but is not limited to, hydrogenpurification, compression, and storage sub-systems.
Радиально-базисные нейронные сети (RBF) являются достаточно хорошими аппроксиматорами в области изменения данных, на которых происходил процесс их обучения.
Multilayered feedforward neural networks possess a number of properties which make them particularly suited to complex pattern classification problems.
Сложные технологические процессы связаны с влиянием на них целого ряда неопределенных факторов (внешних и параметрических возмущений). К примеру, в теплоэнергетике на ТЭС, ТЭЦ, районных и городских котельных, системах теплоснабжения и кондиционировании воздуха в промышленных зданиях и помещениях и т.п.
Среди многообразия современных энергетических систем можно выделить значительную группу объектов, проектирование и диагностические исследования которых не могут быть выполнены традиционными методами и средствами автоматизации.
Наибольший эффект с точки зрения повышения точности систем регулирования скорости дает использование импульсного датчика, выдающего последовательность импульсов.
Рассматриваются принципы моделирования распределенных сетей передачи дискретной информации энергопредприятий. Приведена алгоритмическая модель сети и структура устройств коммутации. Определены функции переходои и выходов модели.
Исследователь Хун-Сон Ле (Hung-Son Le) из шведского университета Умеа разработал алгоритмы, которые дают возможность распознать лицо человека, даже если в базе данных содержится только одно его изображение. Кроме того, алгоритмы определяют сходство с другими лицами, например лицами знаменитостей.
Делается вывод о необходимости формулирования некоторой «проблемы-вызова», которая могла бы послужить базой для корректного обсуждения и сопоставления результатов как концептуального, так и конкретного плана для ИИС. Предлагается использовать в качестве такой проблемы-вызова задачу изучения и создания интеллектуальных автономных систем (ИАС). Рассматриваются основные особенности ИАС, приводятся характерные примеры таких систем.
Необходимость в средствах, которые бы обеспечили возможность настройки и оптимизации нечеткой модели, возникла сразу же на стадии практического применения нечетких систем. Характеристики точности и качества нечеткой модели сильно зависят от формы и взаимного расположения функций принадлежности (ФП).
Объединение подходов позволяет в нечетких НС использовать априорную информацию и нечеткий логический вывод, настраивать систему нечетких правил в соответствии с алгоритмами обучения НС и подвергать анализу процесс приобретения знаний.
На базе обобщенной структуры электронных схем с полупроводниковыми компонентами найдены структурные признаки дифференциальных каскадов. Показана возможность минимизации коэффициента передачи синфазного сигнала без изменения дифференциального коэффициента усиления.
Рассматриваются вопросы построения моделей сложных ситуаций и явлений с помощью когнитивного подхода для исследования проблем энергопотребления. Рассмотрен подход к формальному описанию моделей на основе построения когнитивных карт, а также рассмотрены проблемы построения когнитивных карт различных явлений путём задания весов на основе экспертных оценок.
Рассматривается метод экспертного оценивания выбора информационных систем для автоматизации управлением в энергетике, рассмотрен метод непосредственного оценивания и построения функций принадлежности по выбранной группе критериев.
Рассматривается многопериодная детерминированная однопродуктовая модель управления запасами энергоресурсов с периодическим контролем и непропорциональной целевой функцией. Выполнена формализация модели управления запасами. Разработано программное приложение, позволяющее получать оптимальную производственную программу производства энергоресурсов на определенное количество отрезков времени.
Все материалы предоставлены исключительно для ознакомительных целей и должны быть удалены с вашего компьютера или любого другого носителя сразу после поверхностного ознакомления с содержанием.
Копируя и сохраняя материалы, Вы принимаете на себя всю ответственность, согласно действующему законодательству об авторском праве и смежных с ним законами.
Публикация представленных материалов не преследует за собой никакой коммерческой выгоды, а является рекламой бумажного носителя.
Все авторские права сохраняются за правообладателями.