Розробка методики підвищення достовірності оцінки стану об’єкту

Автор(и)

DOI:

https://doi.org/10.15587/1729-4061.2024.313934

Ключові слова:

нейро-нечіткі експертні системи, реляційна модель, об’єктна модель, ройові алгоритми, ієрархічність

Анотація

Об’єктом дослідження є об’єкти оцінки з різним ступенем вкладеності. Предметом дослідження є процес оцінки стану об’єктів за допомогою апарату нейро-нечітких експертних систем, апарату реляційного аналізу, біоінспірованих алгоритмів. Проблема, яка вирішується в дослідженні, є підвищення достовірності оцінки стану об’єктів, незалежно від кількості вкладень. Оригінальність дослідження полягає в тому, що:

– можливістю підвищення достовірності оцінки стану об’єкту за рахунок використання в паралельному режимі двох біоінспірованих алгоритмів;

– врахуванням ступеню обізнаності про стан об’єкту, за рахунок застосування корегувальних коефіцієнтів на ступінь обізнаності;

– побудовою як об’єктної так і реляційної моделей, що дозволяє підвищити достовірність оцінювання стану об’єктів;

– можливістю об’єднання результатів роботи біоінспірованих алгоритмів, чим досягається можливість взаємної перевірки коректності роботи кожного з алгоритмів;

– універсальність вирішення завдання оцінки стану об’єктів з різним ступенем за рахунок ієрархічності їх опису;

– можливістю одночасного пошуку рішення в різних напрямках;

– адекватністю отриманих результатів.

Проведений приклад використання запропонованої методики на прикладі при вирішенні завдання визначення складу оперативного угруповання військ (сил) та елементів його оперативної побудови. Зазначений приклад показав підвищення достовірності оцінки стану об’єктів в середньому на 20 % за рахунок використання додаткових удосконалених процедур.

Запропоновану методику доцільно використовувати для вирішення завдань оцінки стану багатовимірних об’єктів в умовах невизначеності та ризиків, що характеризуються високими вимогами до достовірності отриманої інформації

Біографії авторів

Mohammed Jasim Abed Alkhafaji, Al-Taff University College

Assistant Lecturer

Department of Computer Technology Engineering

Ніна Георгіївна Кучук, Національний технічний університет «Харківський політехнічний інститут»

Доктор технічних наук, професор

Кафедра комп’ютерна інженерія та програмування

Іраіда Іванівна Становська, Одеський національний університет «Одеська політехніка»

Доктор технічних наук, професор

Кафедра вищої математики та моделювання систем

Юрій Зуберович Артабаєв, Воєнна академія імені Євгенія Березняка

Кандидат технічних наук, старший викладач

Кафедра інформаційних технологій

Олена Петрівна Нечипорук, Національний авіаційний університет

Доктор технічних наук, професор, завідувачка кафедри

Кафедра інтелектуальних кібернетичних систем

Анастасія Сергіївна Возниця, Національний авіаційний університет

Аспірант

Євгеній Вікторович Тупота, Національний авіаційний університет

Завідуючий лабораторією

Кафедра інтелектуальних кібернетичних систем

Юлія Вікторівна Самойленко, Науково-дослідний інститут воєнної розвідки

Cтарший науковий співробітник

Науково-дослідне управління

Дмитро Михайлович Нікітін, Харківський національний університет радіоелектроніки

Аспірант

Кафедра програмної інженерії

Олександр Максимович Рибіцький, Харківський національний університет радіоелектроніки

Аспірант

Кафедра програмної інженерії

Посилання

  1. Bashkyrov, O. M., Kostyna, O. M., Shyshatskyi, A. V. (2015). Rozvytok intehrovanykh system zviazku ta peredachi danykh dlia potreb Zbroinykh Syl. Ozbroiennia ta viyskova tekhnika, 1, 35–39. Available at: http://nbuv.gov.ua/UJRN/ovt_2015_1_7
  2. Dudnyk, V., Sinenko, Y., Matsyk, M., Demchenko, Y., Zhyvotovskyi, R., Repilo, I. et al. (2020). Development of a method for training artificial neural networks for intelligent decision support systems. Eastern-European Journal of Enterprise Technologies, 3 (2 (105)), 37–47. https://doi.org/10.15587/1729-4061.2020.203301
  3. Sova, O., Shyshatskyi, A., Salnikova, O., Zhuk, O., Trotsko, O., Hrokholskyi, Y. (2021). Development of a method for assessment and forecasting of the radio electronic environment. EUREKA: Physics and Engineering, 4, 30–40. https://doi.org/10.21303/2461-4262.2021.001940
  4. Pievtsov, H., Turinskyi, O., Zhyvotovskyi, R., Sova, O., Zvieriev, O., Lanetskii, B., Shyshatskyi, A. (2020). Development of an advanced method of finding solutions for neuro-fuzzy expert systems of analysis of the radioelectronic situation. EUREKA: Physics and Engineering, 4, 78–89. https://doi.org/10.21303/2461-4262.2020.001353
  5. Zuiev, P., Zhyvotovskyi, R., Zvieriev, O., Hatsenko, S., Kuprii, V., Nakonechnyi, O. et al. (2020). Development of complex methodology of processing heterogeneous data in intelligent decision support systems. Eastern-European Journal of Enterprise Technologies, 4 (9 (106)), 14–23. https://doi.org/10.15587/1729-4061.2020.208554
  6. Shyshatskyi, A. (2020). Complex Methods of Processing Different Data in Intellectual Systems for Decision Support System. International Journal of Advanced Trends in Computer Science and Engineering, 9 (4), 5583–5590. https://doi.org/10.30534/ijatcse/2020/206942020
  7. Yeromina, N., Kurban, V., Mykus, S., Peredrii, O., Voloshchenko, O., Kosenko, V. et al. (2021). The Creation of the Database for Mobile Robots Navigation under the Conditions of Flexible Change of Flight Assignment. International Journal of Emerging Technology and Advanced Engineering, 11 (5), 37–44. https://doi.org/10.46338/ijetae0521_05
  8. Rotshteyn, A. P. (1999). Intellektual'nye tekhnologii identifikatsii: nechetkie mnozhestva, geneticheskie algoritmy, neyronnye seti. Vinnitsa: “UNIVERSUM”, 320.
  9. Ko, Y.-C., Fujita, H. (2019). An evidential analytics for buried information in big data samples: Case study of semiconductor manufacturing. Information Sciences, 486, 190–203. https://doi.org/10.1016/j.ins.2019.01.079
  10. Ramaji, I. J., Memari, A. M. (2018). Interpretation of structural analytical models from the coordination view in building information models. Automation in Construction, 90, 117–133. https://doi.org/10.1016/j.autcon.2018.02.025
  11. Pérez-González, C. J., Colebrook, M., Roda-García, J. L., Rosa-Remedios, C. B. (2019). Developing a data analytics platform to support decision making in emergency and security management. Expert Systems with Applications, 120, 167–184. https://doi.org/10.1016/j.eswa.2018.11.023
  12. Chen, H. (2018). Evaluation of Personalized Service Level for Library Information Management Based on Fuzzy Analytic Hierarchy Process. Procedia Computer Science, 131, 952–958. https://doi.org/10.1016/j.procs.2018.04.233
  13. Chan, H. K., Sun, X., Chung, S.-H. (2019). When should fuzzy analytic hierarchy process be used instead of analytic hierarchy process? Decision Support Systems, 125, 113114. https://doi.org/10.1016/j.dss.2019.113114
  14. Osman, A. M. S. (2019). A novel big data analytics framework for smart cities. Future Generation Computer Systems, 91, 620–633. https://doi.org/10.1016/j.future.2018.06.046
  15. Gödri, I., Kardos, C., Pfeiffer, A., Váncza, J. (2019). Data analytics-based decision support workflow for high-mix low-volume production systems. CIRP Annals, 68 (1), 471–474. https://doi.org/10.1016/j.cirp.2019.04.001
  16. Harding, J. L. (2013). Data quality in the integration and analysis of data from multiple sources: some research challenges. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XL-2/W1, 59–63. https://doi.org/10.5194/isprsarchives-xl-2-w1-59-2013
  17. Kosko, B. (1986). Fuzzy cognitive maps. International Journal of Man-Machine Studies, 24 (1), 65–75. https://doi.org/10.1016/s0020-7373(86)80040-2
  18. Koval, M., Sova, O., Shyshatskyi, A., Artabaiev, Y., Garashchuk, N., Yivzhenko, Y. et al. (2022). Improving the method for increasing the efficiency of decision-making based on bio-inspired algorithms. Eastern-European Journal of Enterprise Technologies, 6 (4 (120)), 6–13. https://doi.org/10.15587/1729-4061.2022.268621
  19. Maccarone, A. D., Brzorad, J. N., Stone, H. M. (2008). Characteristics and Energetics of Great Egret and Snowy Egret Foraging Flights. Waterbirds, 31 (4), 541–549. https://doi.org/10.1675/1524-4695-31.4.541
  20. Koshlan, A., Salnikova, O., Chekhovska, M., Zhyvotovskyi, R., Prokopenko, Y., Hurskyi, T. et al. (2019). Development of an algorithm for complex processing of geospatial data in the special-purpose geoinformation system in conditions of diversity and uncertainty of data. Eastern-European Journal of Enterprise Technologies, 5 (9 (101)), 35–45. https://doi.org/10.15587/1729-4061.2019.180197
Розробка методики підвищення достовірності оцінки стану об’єкту

##submission.downloads##

Опубліковано

2024-10-30

Як цитувати

Abed Alkhafaji, M. J., Кучук, Н. Г., Становська, І. І., Артабаєв, Ю. З., Нечипорук, О. П., Возниця, А. С., Тупота, Є. В., Самойленко, Ю. В., Нікітін, Д. М., & Рибіцький, О. М. (2024). Розробка методики підвищення достовірності оцінки стану об’єкту. Eastern-European Journal of Enterprise Technologies, 5(3 (131), 48–54. https://doi.org/10.15587/1729-4061.2024.313934

Номер

Розділ

Процеси управління