| DC Field | Value | Language |
|---|
| dc.contributor.author | Дудкин, А. А. | - |
| dc.contributor.author | Марушко, Е. Е. | - |
| dc.date.accessioned | 2018-08-28T06:41:20Z | - |
| dc.date.available | 2018-08-28T06:41:20Z | - |
| dc.date.issued | 2018 | - |
| dc.identifier.citation | Дудкин, А. А. Нейросетевая технология обработки сигналов от средств контроля технических объектов / А. А. Дудкин, Е. Е. Марушко // Доклады БГУИР. - 2018. - № 5 (115). - С. 85 - 91. | ru_RU |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/32725 | - |
| dc.description.abstract | В докладе представлена технология на основе ансамблей нейронных сетей, решающих
задачу прогнозирования состояния объекта, отличительной особенностью которой является
возможность дообучения в случае анализа параметров в нестационарной среде. Технология
обеспечивает обработку всего набора телеметрических параметров технического объекта, повышение
точности идентификации и прогнозирования состояний объекта по телеметрической информации
при неполных и зашумленных входных данных, что позволяет снизить затраты на проведение
мониторинга состояния и поведения объекта контроля. | ru_RU |
| dc.language.iso | ru | ru_RU |
| dc.publisher | БГУИР | ru_RU |
| dc.subject | доклады БГУИР | ru_RU |
| dc.subject | нейронные сети | ru_RU |
| dc.subject | ансамбль нейронных сетей | ru_RU |
| dc.subject | телеметрические данные | ru_RU |
| dc.subject | прогнозирование состояния | ru_RU |
| dc.subject | neural networks | ru_RU |
| dc.subject | ensemble of neural networks | ru_RU |
| dc.subject | telemetry data | ru_RU |
| dc.subject | state prediction | ru_RU |
| dc.title | Нейросетевая технология обработки сигналов от средств контроля технических объектов | ru_RU |
| dc.title.alternative | Neural network technology for processing of signals from technical objects control means | ru_RU |
| dc.type | Статья | ru_RU |
| local.description.annotation | The paper presents a technology based on an ensemble of neural networks that solves the problem
of predicting a multidimensional time series of telemetry data. A distinctive feature of this is the possibility
of additional training in the case of analyzing parameters in a non-stationary environment, providing operational
processing of the entire set of telemetry parameters of the technical object, increasing the accuracy
of identification and prediction of the state of the object by telemetric information with incomplete and noisy
input data. This reduces the costs of monitoring the status and behavior of the control object. | - |
| Appears in Collections: | №5 (115)
|
