Багатокласове розпізнавання технічного стану об‘єктів класифікатором на основі імовірнісної нейронної мережі
DOI:
https://doi.org/10.15587/1729-4061.2017.109968Ключові слова:
багатокласове розпізнавання, нейромережевий класифікатор, вектор діагностичних ознак, імовірність правильної класифікаціїАнотація
Роботу присвячено дослідженню ефективності класифікатора на основі імовірнісної нейронної мережі для багатокласової діагностики об‘єкта за наявності багатоосередкового пошкодження. Використано багатовимірний вектор діагностичних ознак, що містить 5 елементів. Сформовано множини навчальних та тестових вхідних векторів, виконано навчання та тестування класифікатора. Проаналізовано ефективність багатокласового розпізнавання в залежності від характеристик класифікатора та множини навчальних векторівПосилання
- Shanyavskiy, A. A. (2003). Bezopasnoe ustalostnoe razrushenie elementov aviakonstrukciy. Ufa, 802.
- Goranson, U. G. (2007). Damage tolerance. Facts and fiction. Keynote Presentation in Int. Conf. on Damage Tolerance of Aircraft Structure. Delft Technical University, 58. Available at: http://dtas2007.fyper.com/userfiles/file/Paper%2011_Goranson.pdf
- Ignatovich, S. R., Humaryan, L. A. (2013). Ocenka dostovernosti kontrolya treshchin v aviacionnyh konstrukciyah. Visnyk Ternopilskoho natsionalnoho tekhnichnoho universytetu, 72 (4), 117–124.
- Nagarajaiah, S., Erazo, K. (2016). Structural monitoring and identification of civil infrastructure in the United States. Structural Monitoring and Maintenance, 3 (1), 51–69. doi: 10.12989/smm.2016.3.1.051
- Bouraou, N. I., Cybul'nik, S. A., Shevchuk, D. V. (2015). Investigation of the model of the vibration measuring channel of the complex monitoring system of steel tanks. Eastern-European Journal of Enterprise Technologies, 5 (9 (77)), 45–52. doi: 10.15587/1729-4061.2015.50980
- Ali, Y. H., Abd Rahman, R., Raja Hamzah, R. I. (2014). Acoustic Emission Signal Analysis and Artificial Intelligence Techniques in Machine Condition Monitoring and Fault Diagnosis: A Review. Jurnal Teknologi, 69 (2). doi: 10.11113/jt.v69.3121
- Bielza, C., Li, G., Larrañaga, P. (2011). Multi-dimensional classification with Bayesian networks. International Journal of Approximate Reasoning, 52 (6), 705–727. doi: 10.1016/j.ijar.2011.01.007
- Bouraou, N. I., Zazhytskyi, O. V. (2014). Rozpiznavannia tekhnichnoho stanu ob‘yektiv na osnovi shtuchnykh neironnykh merezh. Kyiv: NAU, 120.
- Hoła, J., Bień, J., Sadowski, Ł., Schabowicz, K. (2015). Non-destructive and semi-destructive diagnostics of concrete structures in assessment of their durability. Bulletin of the Polish Academy of Sciences Technical Sciences, 63 (1). doi: 10.1515/bpasts-2015-0010
- Balageas, D., Fritzen, C.-P., Gemes, A. (2006). Structural Health Monitoring. John Wiley & Sons, 495. doi: 10.1002/9780470612071
- Dworakowski, Z., Ambrozinski, L., Packo, P., Dragan, K., Stepinski, T., Uhl, T. (2013). Application of Artificial Neural Networks for Damage Indices Classification with the Use of Lamb Waves for the Aerospace Structures. Key Engineering Materials, 588, 12–21. doi: 10.4028/www.scientific.net/kem.588.12
- Shen, T., Wan, F., Song, B., Wu, Y. (2011). Damage location and identification of the wing structure with Probabilistic Neural Networks. 2011 Prognostics and System Health Managment Confernece. doi: 10.1109/phm.2011.5939524
- Palomino, L. V., Steffen, V., Finzi Neto, R. M. (2014). Probabilistic Neural Network and Fuzzy Cluster Analysis Methods Applied to Impedance-Based SHM for Damage Classification. Shock and Vibration, 2014, 1–12. doi: 10.1155/2014/401942
- Bouraou, N. I., Protasov, A. H., Myronenko, P. S., Rupich, S. S. (2015). Syntez neironnoi merezhi dlia bahatoklasovoi diahnostyky elementiv konstruktsiy v ekspluatatsiy. Metody ta prylady kontroliu yakosti, 2 (35), 83–93.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2017 Nadiia Bouraou, Diana Pivtorak, Sergey Rupich
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.
Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.
