Анотація до роботи:

Рєпка В.Б. Нейромережеві моделі вибору методів оцінювання регресійних залежностей в інформаційних управляючих системах. – Рукопис.

Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.13.06 “Автоматизовані системи управління та прогресивні інформаційні технології“. – Харківський національний університет радіоелектроніки, Харків, 2002.

Дисертація присвячена питанням розробки нейромережевих моделей вибору ефективного методу оцінювання параметрів математичних моделей процесів в умовах лінійної залежності та наявності завад у вхідних даних при розв’язанні функціональних задач ІУС. У дисертаційній роботі розроблено: метод побудови складеного нейромережевого класифікатора, а також отримано нейромережеві моделі вибору класів методів зміщеного, робасного та регресійного оцінювання; підкласів методів гребеневого, стислого, узагальненого гребеневого оцінювання, оцінок дробового рангу та модель вибору ефективного методу у даних класах. Розроблено узагальнені математичні моделі, які встановлюють залежність між критеріями оцінки ефективності підкласів методів і сукупністю статистичних характеристик вхідної інформації; алгоритм побудови нейромережевої системи підтримки прийняття рішень, ядром якої є складений нейромережевий класифікатор. Результати дисертаційної роботи впроваджено на ДП “Завод імені Малишева” при вирішенні задачі оцінки впливу факторів зовнішнього середовища на показники надійності дизель-генератора та при розробці автоматизованої системи клінічних досліджень у Другій обласній психіатричній лікарні Сумського УОЗ.

У дисертації наведене теоретичне узагальнення і нове вирішення наукової задачі, яка полягає в розробці нейромережевих моделей вибору ефективного методу оцінювання параметрів регресійних залежностей в рамках математичного забезпечення ІУС. Розв’язання даної задачі полягає в застосуванні розробленого нейромережевого класифікатора, який забезпечує побудову нейромережевих моделей вибору ефективного методу оцінювання параметрів математичної моделі квазістаціонарного процесу в залежності від властивостей вхідної інформації, що дозволить будувати більш точні моделі та як результат забезпечить підвищення надійності рішень, що приймаються за моделями. Ці результати мають важливе наукове і практичне значення для автоматизації вибору методів та алгоритмів розв'язання функціональних задач у рамках МЗ ІУС, що забезпечить підвищення ефективності ІУС в цілому. В зв’язку з цим у дисертаційній роботі:

1. Проаналізовані сучасні методи та моделі вибору математичного забезпечення ІУС для розв’язання задач прогнозування і управління контролем якості продукції та теоретично обгрунтовано необхідність підвищення ефективності прийняття рішень при розробці математичних моделей процесів за рахунок впровадження нейромережевих моделей вибору методів оцінювання параметрів таких моделей.

2. Розроблено метод, який визначає сукупність статистичних характеристик інформації процесу дослідження та ознак класифікації і здійснює побудову структури нейромережевого класифікатора відповідно до типу функціональної задачі. Результатом застосування цього методу є трьохрівневий нейромережевий класифікатор, який дозволив вирішити задачу вибору найефективнішого методу оцінювання параметрів регресійних залежностей серед класів методів зміщеного, робасного та класичного регресійного оцінювання для задач управління контролем якості продукції та прогнозування.

3. Розроблено узагальнені математичні моделі, які встановлюють залежність між критеріями оцінки ефективності підкласів методів гребеневого, стислого, узагальненого гребеневого оцінювання та оцінок дробового рангу і сукупністю статистичних характеристик вхідної інформації квазістаціонарних процесів, що дозволило визначити діапазони ефективності кожного підкласу та забезпечити повноту опису властивостей підкласів методів зміщеного оцінювання.

4. Розроблено систему нейромережевих моделей для розв’язання задач вибору класу методів зміщеного, робасного, класичного регресійного оцінювання, підкласу методів зміщеного оцінювання та ефективного методу у відповідному класі (підкласі) на підставі трьохрівневого нейромережевого класифікатора. Нейромережеві моделі забезпечили вибір найефективнішого методу відповідно до максимуму оптимальних значень часткових критеріїв ефективності методів оцінювання параметрів математичних моделей.

5. Розроблено алгоритм моделювання вхідних даних процесу дослідження, що дозволило виявити домінуючі фактори, які мають вагомий вплив на вибір досліджуваних класів і підкласів методів, а також визначити області ефективності кожного класу або підкласу методів зміщеного, робасного та класичного регресійного оцінювання. На основі модельного експерименту визначено топології нейронних мереж, які забезпечують мінімальні значення критеріїв середньої відносної, сумарної квадратичної помилки та максимальні значення коефіцієнтів впевненості і прогностичної спроможності на кожному з етапів роботи складеного нейромережевого класифікатора.

6. Розроблено алгоритм створення нейромережевої системи підтримки прийняття рішень з вибору ефективного методу побудови математичної моделі квазістаціонарного процесу, яка дозволяє автоматизовано визначити найефективніший метод у залежності від статистичних характеристик вхідних даних досліджуваного процесу і типу розв’язуваної функціональної задачі.

7. Розроблені метод, моделі та алгоритми реалізовано у вигляді програмного комплексу і застосовано на ДП “Завод імені Малишева” для вирішення задач управління контролем якості продукції при визначенні впливу факторів зовнішнього середовища на показники надійності дизель-генератора та у Другій обласній психіатричній лікарні Сумського УОЗ при розробці автоматизованої системи клінічних досліджень з діагностики захворювань внутрішніх органів за результатами лабораторних аналізів, що дозволило збільшити точність прогнозу функціональної проби печінки пацієнта та визначити відповідну методику її лікування. Отримані у роботі результати впроваджені в навчальний процес під час проведення лабораторного практикуму з дисципліни “Ймовірнісні процеси та математична статистика в автоматизованих системах” на кафедрі програмного забезпечення ЕОМ і кафедрі штучного інтелекту Харківського національного університету радіоелектроніки.

Публікації автора:

1. Антонов В.А., Шамша Т.Б., Репка В.Б. Концептуальная модель системы идентификации в современных системах управления технологическими объектами // АСУ и приборы автоматики. - 1998. -№108. - С. 214-223.

2. Лесная Н.С., Репка В.Б., Шамша Т.Б. Об одном подходе к оценке качества исходной информации при обработке данных // Проблемы бионики. - 1999. - №50. - С. 71-74.

3. Келеберда И.Н., Лесная Н.С., Репка В.Б. Применение нейронных сетей как базового метода классификации технологического объекта // Вестник Харьковского государственного политехнического университета. - 1999. - Вып. 66. - С. 35-39.

4. Репка В.Б. Сравнительный анализ некоторых непараметрических методов классификации в рамках построения интеллектуальной системы идентификации технологических объектов // Информационные технологии: наука, техника, технология, образование, здоровье. - 1999. - №.7. - С. 180-184.

5. Репка В.Б. Некоторые аспекты построения интеллектуальной системы выбора метода идентификации // Вестник Харьковского государственного политехнического университета. - 1999. - Вып. 72. - С. 156-161.

6. Лесная Н.С., Репка В.Б. Об одном подходе к выбору эффективного метода смещенного оценивания параметров моделей квазистационарных процессов с применением аппарата нейронных сетей // Проблемы бионики. - 2000. - №53. - С. 13-17.

7. Лесная Н.С., Репка В.Б., Шатовская Т.Б. Методика выбора эффективного метода оценивания параметров моделей объектов при решении функциональных задач АСУ // Вестник Херсонского государственного технического университета. - 2001. - № 1(10). - С. 284-286.

8. Лесная Н.С., Шатовская Т.Б., Репка В.Б. Метод выбора эффективных процедур оценивания параметров моделей квазистационарных процессов в нейросетевой экспертной системе // Радиотехника. Всеукраинский межведомственный научно-технический сборник. - 2001. - № 119. - С. 195-198.

9. Лесная Н.С., Репка В.Б., Келеберда И.Н. Использование нейросетевой парадигмы для выбора оптимального метода идентификации технологического объекта // Тезисы докладов 6-й Международной конференции “Теория и техника передачи, приема и обработки информации“. Харьков-Туапсе: ХТУРЭ.- 2000.- С. 343-345.