Сравнение методов искусственной генерации данных для глубокого обучения системы мониторинга

Оцените материал
(0 голосов)

Опубликовано №3 (86) июнь 2018 г.

АВТОРЫ:  

 ПЕТРОВСКИЙ Д.В.

СОБОЛЕВСКИЙ В.А. - Аспирант, Лаборатория Информационных Технологий в Системном Анализе и Моделировании, Cанкт-Петербургский Институт Информатики и Автоматизации Российской Академии Наук (Санкт-Петербург, Россия)

РУБРИКА Аналитика в логистике и SCM Имитационное моделирование

Аннотация 

В данной статье рассматривается проблема генерации входных данных при создании и обучении искусственной нейронной сети, являющейся основой модуля классификации динамической системы мониторинга показателей функционирования производства. Входные данные, которые были использованы для обучения нейронной сети, были разделены на следующие категории: реальные данные, сгенерированные данные по заданному распределению и данные, полученные с использованием подхода имитационного моделирования. Имитационная модель была создана с применением аппарата сетей Петри. Далее, для данных, применяемых в работе, были заданы правила классификации, после чего искусственная нейронная сеть была обучена на каждом наборе данных. На следующем шаге на вход системе мониторинга были поданы реальные данные, которые ранее не фигурировали в обучении и валидации нейронных сетей. Конечным этапом данного исследования стало сравнение результатов классификации описанных подходов искусственной генерации значений входных параметров предприятия относительно контрольного набора данных 

Электронная версия

Ключевые слова: 

 

Прочитано 190 раз

Контакты

Работа с авторами 

Левина Тамара

моб. 8(962) 965-48-54

E-mail: levina-tamara@mail.ru

Распространение

Алямовская Наталия

моб. 8(916) 150-07-21

E-mail: nalyamovskaya@mail.ru

Адрес 

125319, Москва, ул. Черняховского, д.16

тел./факс (495) 771 32 58

ISSN 2587-6775

Издается с 2004 г.

Включен в перечень ВАК с 2008 г.

ИНДЕКСИРОВАНИЕ ЖУРНАЛА