Найти

Результаты поиска

• ФОРМИРОВАНИЕ ПАРАМЕТРОВ ИСТОЧНИКОВ ИНФОРМАЦИИ НЕЙРОЛИНГВИСТИЧЕСКОЙ ТЕКСТОВОЙ ИДЕНТИФИКАЦИИ

  К.Е. Румянцев , В. В. Котенко , Л.К. Хаджиева

  173-188

  2026-07-07

  Аннотация ▼

  Исследуется метод нейролингвистической текстовой идентификации, направленный на анализ и верификацию источников информации, включая тексты, сгенерированные системами искусственного интеллекта. Анализируются состояния информации текста китайского произведения автора Ло Гуань-чжун «Троецарствие» в трех вариантах: оригинальный текст, а также состояние текста, полученного с помощью генерации системами искусственного интеллекта Gemini и GPT. Целью исследования является формирование и обоснование параметров для применения в качестве факторов идентификации сгенерированного текста, а также формирование 3D-образов нейролингвистической текстовой идентификации источников информации. Используется специализированный программный комплекс «Анализатор нейролингвистической текстовой идентификации», осуществивший обработку текстовых данных на основе горизонтальной и вертикальной развертки нейролингвистических информационных кадров. В результате сформированы информационные спектры, количественные характеристики (информационная емкость, энтропия, избыточность) и нейролингвистические информационные 3D-образы нейролингвистических кадров текстовой информации китайского произведения. Сравнение уровней идентичности информационных нейролингвистических 3D-образов источника текстовой информации нейролингвистических информационных кадров показывают, что максимальный уровень идентичности наблюдается при сравнении текстов нейролингвистических информационных кадров оригинального текста, а минимальный уровень идентичности наблюдается при сравнении оригинального текста с текстом, сгенерированным с помощью систем искусственного интеллекта. Полученные результаты показывают значимые различия между параметрами нейролингвистических информационных кадров оригинального текста и параметрами текста, сгенерированного системами искусственного интеллекта как по количественным характеристикам текста, так и по характеристикам нейролингвистических информационных 3D-образов. Установлено, что нейролингвистические информационные 3D-образы текстов, созданных системами искусственного интеллекта, обладают более гладкой структурой визуального представления и отличным цветовым распределением по сравнению с нейролингвистическими 3D-образами оригинального текста. Практическая значимость исследования заключается в применении подхода, позволяющего определять сгенерированный текст и верифицировать источники информации. Полученные результаты открывают перспективы для работы и дает возможность реализовывать проекты и создавать программные комплексы способные обнаруживать сгенерированный текст.

• РАЗРАБОТКА РОБОТИЗИРОВАННОГО ИМИТАТОРА ПОДВОДНОГО АППАРАТА ДЛЯ ИССЛЕДОВАНИЯ СПОСОБОВ АВТОНОМНОГО ВЗАИМОДЕЙСТВИЯ РЕЗИДЕНТНЫХ АНПА С ОБЪЕКТАМИ ПОДВОДНОЙ ИНФРАСТРУКТУРЫ

  А.М. Маевский , И.А. Печайко , М. А. Алексеев , Н. М. Буров

  2025-04-27

  Аннотация ▼

  Представлен процесс разработки имитатора подводного аппарата (ИПА) с установленным
  5-степенным подводным манипуляторным комплексом (МК). Имитатор предназначен для ком-
  плексной отработки автономного взаимодействия морского робототехнического комплекса
  (МРТК) с объектами подводной инфраструктуры. В частности, рассматривается пример реше-
  ния задач работы имитатора с макетом подводной панели подводного добычного комплекса
  (ПДК) и решение задачи определения конкреции и их автономного забора при помощи имитатора
  и МК. Современные тенденции развития подводной робототехники ориентированы на создание
  резидентных автономных систем, способных работать в удаленных и труднодоступных районах
  Мирового океана в круглогодичном режиме. Развитие резидентных технологий связано с необхо-
  димостью снижения операционных затрат, минимизации рисков для персонала и увеличения вре-
  мени автономного функционирования подводных комплексов. Применение таких технологий осо-
  бенно актуально в условиях освоения дальнего шельфа, где традиционные методы эксплуатации
  подводных аппаратов сталкиваются с техническими и экономическими ограничениями. Необхо-
  димость проведения работ на дальнем шельфе обусловлена возрастающим спросом на углеводо-
  родные ресурсы и исчерпанием легко доступных месторождений на континентальном шельфе.
  Согласно прогнозам, перспективные глубоководные районы, расположенные на глубинах более
  1000 м, обладают значительным потенциалом добычи нефти и газа. По оценкам специалистов,
  объем извлекаемых запасов в таких районах может составлять сотни миллиардов баррелей угле-
  водородного сырья, что делает разработку эффективных автономных решений стратегически
  важной задачей для нефтегазовой отрасли. В работе представлены программно-аппаратные
  решения, используемые при реализации ИПА. Приведена структурная схема конструкции, описана
  архитектура программного обеспечения и особенности применения систем искусственных ней-
  ронных сетей (ИНС) в составе системы технического зрения (СТЗ) ИПА. Использование ИНС
  позволяет значительно повысить автономность работы подводных манипуляторов при выполне-
  нии сложных технологических операций, таких как захват объектов с грунта, работа с объекта-
  ми донной инфраструктуры и др. В заключении продемонстрированы полученные результаты,
  подтверждающие работоспособность принятых конструктивных, программных и аппаратных
  решений при выполнении реальных работ в автономном режиме с макетами рабочих инструмен-
  тов hot-stab и torque-tool и ответными частями, расположенными на макете панели ПДК.

• АНАЛИЗ МЕТОДОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА, ПРИМЕНЯЕМЫХ ДЛЯ РЕШЕНИЯ ЗАДАЧ ПСИХИАТРИИ

  Е. С. Подоплелова

  2022-05-26

  Аннотация ▼

  Использование методов искусственного интеллекта в области медицины получило
  широкое распространение, помогая диагностировать, анализировать и давать рекоменда-
  ции по лечению. Психиатрия – это область медицины, изучающая психические расстрой-
  ства, методы их диагностики и лечения. В спектр ее задач входит не только диагностика
  и лечение, но также наблюдение, мониторинг и последующая реабилитация пациентов.
  Эта предметная область имеет существенные проблемы, такие как объективность, про-
  тиворечивость диагноза, сложность классификации болезней, непредсказуемость течения
  заболевания. С рядом этих проблем помогает справиться использование методов машин-
  ного обучения и алгоритмы искусственного интеллекта. Данная работа посвящена обзору
  исследований методов искусственного интеллекта, применяемых для решения задач в об-
  ласти психиатрии. Актуальность темы обусловлена высокой потребностью данной пред-
  метной области в улучшениях. Конкретные проблемы представлены в данной статье.
  Среди них были выделены основные направления: деидентификация данных, классификация
  тяжести симптомов, точность прогнозирования состояния. Для их решения авторами
  были применены такие методы как латентный семантический анализ для обработки ес-
  тественного языка, методы классификации, сверточные нейронные сети для прогнозиро-
  вания, когнитивное моделирование. Отдельно отмечена эффективность гибридных сис-
  тем, включающих реализацию сразу нескольких метолов машинного обучения. Целью ис-
  следования было выделить основные направления развития исследований научного сообще-
  ства, которые демонстрируют успешную интеграцию искусственного интеллекта в пси-
  хиатрию, а также сравнение их между собой по полученным оценкам точности моделей.
  Что, в свою очередь, подразумевает разбор и анализ конкретных алгоритмов, их произво-
  дительность для конкретных задач.

• ИНТЕЛЛЕКТУАЛЬНАЯ ПОДСИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ НА ОСНОВЕ БИОЛОГИЧЕСКИ ПРАВДОПОДОБНЫХ АЛГОРИТМОВ САМООРГАНИЗАЦИИ

  Э. В. Кулиев , М.П. Кривенко , М.М. Семенова , С.В. Игнатьева

  2021-11-14

  Аннотация ▼

  Рассматриваются основные понятия и определения систем поддержки принятия реше-
  ний на основе самоорганизации. Системы поддержки принятия решений (Decision Support
  Systems) относятся к кругу интерактивных компьютерных систем, которые помогают ис-
  пользовать данные, модели и знания для решения частично структурированных, неструктури-
  рованных или неструктурированных проблем. Показана и описана схема базовой структуры
  системы поддержки принятий решений. Рассмотрены три основных компонента Decision
  Support Systems, а также описан случай, когда может быть применен четвертый компонент
  системы поддержки принятия решений – система управления, основанная на знаниях. В ста-
  тье предложено описание интеллектуальной системы поддержки принятия решений. Примеры
  специализированных интеллектуальных систем поддержки принятия решений включают в себя
  интеллектуальные системы поддержки принятия маркетинговых решений и системы меди-
  цинской диагностики, гибкие производственные системы. Проблемы, связанные с принятием
  оптимальных решений, занимают важное место в автоматизированном проектировании и
  требуют совершенствования методов и средств поддержки процессов оптимального проек-
  тирования на различных этапах. Рассмотрены алгоритмы самоорганизации, вдохновленные
  живой природой. Биоинспирированные алгоритмы являются представительским классом алго-
  ритмов самоорганизации. Биовдохновленные вычисления имитируют природу и используют
  основные концепции и поведение этих систем для решения сложных проблем. В статье описан
  алгоритм летучих мышей. Проведен экспериментальный анализ процесса применения алгорит-
  ма самоорганизации в системах принятия решений.

• МОДЕЛЬ РАСПРЕДЕЛЕНИЯ КООПЕРАТИВНЫХ ТРАНСПОРТНЫХ ЗАДАЧ ДЛЯ ГЕТЕРОГЕННЫХ РОБОТОТЕХНИЧЕСКИХ СИСТЕМ

  Ш. Гун

  220-232

  2026-07-07

  Аннотация ▼

  Развитие интеллектуальных складских систем и автоматизации логистических процессов требует эффективных решений для распределения задач в гетерогенных многороботных комплексах, особенно при кооперативной транспортировке крупногабаритных и тяжёлых грузов. Целью работы является разработка и верификация гибридной модели идентификации и распределения кооперативных транспортных задач (КТЗ) в складской среде с учётом многокритериальной оптимизации. Дан краткий обзор публикаций по применению миварных технологий и методов машинного обучения при математическом моделировании сложных робототехнических систем. Предложен двухуровневый подход, включающий миварную систему принятия решений для автоматической идентификации КТЗ и модель распределения на основе алгоритма комбинированного аукциона. Необходимое количество роботов-транспортировщиков (РТ) определяется миварной системой принятия решений с учетом размеров и массы груза. Разработанная математическая модель распределения КТЗ направлена на повышение эффективности и надежности благодаря учету ключевых динамических факторов (гетерогенность, избыточность и путевые затраты). Имитационные эксперименты с 30 РТ и 100 задачами показали преимущество предложенного метода над базовыми стратегиями (Random, Nearest Neighbor, Greedy Capacity): при обработке
  6 КТЗ снижение общей стоимости составило до 40,7%, а при 12 задачах – дополнительное снижение на 10,8% при сохранении 100% успешности. Установлена способность модели к эффективному масштабированию, проявляющаяся в дополнительном снижении затрат на 10,8% при увеличении числа задач. Результаты свидетельствуют о робастности, адаптивности и высокой практической применимости модели для интеграции в современные интеллектуальные складские системы, обеспечивающие работу с диверсифицированным ассортиментом грузов

• МУЛЬТИАГЕНТНАЯ АРХИТЕКТУРА СИСТЕМЫ РЕПРЕЗЕНТАЦИИ СОСТОЯНИЯ ВНЕШНЕЙ СРЕДЫ ДЛЯ АВТОНОМНОГО РОБОТА СЕЛЬСКОХОЗЯЙСТВЕННОГО НАЗНАЧЕНИЯ

  К.Ч. Бжихатлов , И. А. Пшенокова

  2026-04-29

  Аннотация ▼

  Актуальность исследования обусловлена необходимостью создания эффективных систем управления автономными роботами, способных функционировать в условиях неопределенности и динамически изменяющейся среды. Система репрезентации внешней среды должна решать задачи локализации, картографирования, обнаружения и классификации объектов, прогнозирования динамики и семантическую интерпретацию. Для того чтобы автономный робот мог передвигаться и выполнять целенаправленные действия в окружающей среде, ему необходимо понимать, в какой среде он находится – без этого он не сможет эффективно планировать движения, избегать препятствий и достигать пунктов назначения. Существующие методы репрезентации внешней среды имеют ограничения при адаптации к незнакомым неструктурированным средам. Целью работы является разработка концепции и архитектуры системы репрезентации внешней среды на основе мультиагентной нейрокогнитивной архитектуры для управления автономными роботами в рамках гетерогенного человеко-машинного коллектива. Научная новизна работы заключается в разработке мультиагентной нейрокогнитивной архитектуры системы репрезентации состояния внешней среды. Предложенный подход позволяет создавать гибкие модели мира, способные к самоорганизации и масштабированию при увеличении объема знаний. Методика исследования основана на применении мультиагентных технологий и нейрокогнитивных моделей. Разработана мультиагентная нейрокогнитивная архитектура, включающая механизмы сбора данных с сенсоров, представления об объектах и субъектах среды, формирование механизма построения причинно-следственных связей, обмен знаниями между участниками гетерогенного человеко-машинного коллектива. Разработанная архитектура обеспечивает возможность масштабирования систем принятия решений и упрощает обмен знаниями между участниками коллектива. Перспективным направлением дальнейших исследований является совершенствование механизмов безопасности системы. Результаты исследования могут быть использованы при разработке автономных робототехнических комплексов нового поколения

• УНИВЕРСАЛЬНАЯ МОДЕЛЬ АДАПТИВНОГО УПРАВЛЕНИЯ ЗАМКНУТЫМИ АГРОПРОИЗВОДСТВАМИ С ПРИМЕНЕНИЕМ ТЕХНОЛОГИЙ ИИ

  А.А. Кочкаров , А.К. Куликов , В.М. Мацакова

  2026-04-29

  Аннотация ▼

  Актуальность исследования обусловлена противоречием между необходимостью наращивания производства продовольствия в условиях урбанизации и фрагментарностью существующих высокотехнологичных решений (гидропоники, аэропоники, IoT), которые внедряются изолированно, без единой методологии управления. Отсутствие унифицированных подходов к сбору данных и адаптивному контролю параметров среды ограничивает масштабирование вертикальных ферм. Цель работы – разработка и теоретическое обоснование архитектуры универсальной модели адаптивного управления замкнутыми агропроизводствами, интегрирующей различные методы культивации на базе алгоритмов машинного обучения. Методология базируется на систематическом анализе научных публикаций и экспериментальных данных по применению встраиваемых устройств и алгоритмов машинного обучения в гидропонных, аэропонных и грунтовых вертикальных теплицах. На основе синтеза данных построены параметрические матрицы для унификации технологических процессов. Основные результаты включают разработку структурной схемы универсальной модели, обеспечивающей интеграцию разнородных систем в единую платформу с возможностью непрерывного мониторинга и предиктивной аналитики. Обоснован минимально необходимый комплект датчиков: pH, EC, температуры, влажности, CO₂, PAR, давления и расхода питательного раствора. Предложенная архитектура позволяет динамически переключать режимы гидропоники, аэропоники и закрытого грунта в рамках одного фитотрона. Выводы и значимость работы заключаются в создании основы для проектирования масштабируемых вертикальных ферм с прогнозируемыми показателями рентабельности и ресурсоэффективности, обеспечивая непрерывное дообучение алгоритмов ИИ для предиктивного управления микроклиматом и ранней диагностики заболеваний растений в городских условиях

• НЕЙРОСЕТЕВЫЕ ТЕХНОЛОГИИ В ЗАДАЧАХ МОНИТОРИНГА ТЕРМОФЛУКТУАЦИОННЫХ ПРОЦЕССОВ КАБЕЛЬНОЙ ЛИНИИ С УЧЕТОМ ВЛИЯНИЯ ПОМЕХ

  Н.К. Полуянович , М.Н. Дубяго

  2021-02-13

  Аннотация ▼

  Статья посвящена оценке влияния магнитных помех, при исследовании термофлук-
  туационных процессов в режиме динамической токовой нагрузки силовой кабельной линии
  (СКЛ). На основе таких методов искусственного интеллекта, как нейронные сети и не-
  четкая логика исследовалась термическая стойкость изоляционных материалов СКЛ оп-
  ределяющих пропускную способность кабельной линии электроэнергетических систем.
  Сравнительный обзор существующих на данный момент традиционных неразрушающих
  методов прогнозирования термических процессов в СКЛ показал, что большинство мето-
  дов обладают низкой точностью прогноза, а также обладают высокой степенью сложно-
  сти и большим количеством необходимых вычислительных операций для получения необхо-
  димых данных прогноза термических процессов в СКЛ. Также большинство методов про-
  гноза не способны работать в режиме реального времени, что является крайне сущест-
  венным недостатком. Для решения данной проблемы необходимо прибегнуть к системам
  прогнозирования, которые строятся на базе искусственного интеллекта с применением
  методов машинного обучения. Наиболее перспективным на сегодня представляется метод
  искусственных нейронных сетей (ИНС). Показана необходимость разработки более со-
  вершенной методики анализа старения изоляционных материалов СКЛ. Обоснована акту-
  альность задачи создания нейросетей (НС) для оценки пропускной способности, расчёта и
  прогнозирования температуры жил СКЛ в режиме реального времени на основе данных
  системы температурного мониторинга, с учетом изменения токовой нагрузки линии и
  внешних условий теплоотвода. Разработана нейросеть для определения температурного
  режима токоведущей жилы силового кабеля. Проведен сравнительный анализ эксперимен-
  тальных и расчетных характеристик распределений температуры, при этом исследова-
  лись различные нагрузочные режимы работы и функции изменения тока кабеля. Разрабо-
  тана нейросетевая модель в Matlab Simulink для прогнозирования температуры жилы ка-
  беля. Создание, обучение и моделирование нейронной сети осуществлялось с помощью
  Neural Network Toolbox. Модель может быть использована в устройствах и системах не-
  прерывного диагностирования силовых кабелей по температурным режимам.

• ИССЛЕДОВАНИЕ СИНАПТИЧЕСКОЙ ПЛАСТИЧНОСТИ МЕМРИСТИВНЫХ CROSS-POINT СТРУКТУР ДЛЯ НЕЙРОМОРФНЫХ РОБОТОТЕХНИЧЕСКИХ СИСТЕМ

  Р.В. Томинов , З. Е. Вакулов , В.И. Варганов , И.О. Игнатьева , В. А. Смирнов

  200-207

  2025-12-30

  Аннотация ▼

  Показаны результаты многоуровневого резистивного переключения и синаптической пластичности нейроноподобного мемристивного cross-point на основе нанокристаллической пленки оксида цинка. Показано, что при изменении амплитуды и длительности входных импульсов мемристивный cross-point демонстрирует 6 резистивных состояний с сопротивлением от 4,27×10⁵ Ом до 8,34×10⁷ Ом. Показано, что энергия переключения некоторых синаптических уровней составляет единицы пикоджоулей, что перспективно для создания компактных маломощных нейроморфных систем. Так, показано, что нанокристаллические пленки ZnO обладают синаптической пластичностью, т.е. при приложении импульсов напряжения различной амплитуды и длительности могут переключаться в широком диапазоне синаптических уровней. Изготовленный мемристивный cross-point демонстрируют парно-импульсную потенциацию PPF при t_p от 1 мс до 10 мс и парно-импульсную депрессию PPD при t_p от 50 мс до 100 мс. Анализ полученных экспериментальных результатов исследования PPF и PPD показал, что увеличение количества импульсов с 10 до 90 приводит к увеличению постсинаптического тока EPSC от 32 мкА до 73 мкА для t_p = 1 мс, от 31 мкА до 59 мкА для
  t_p = 5 мс, от 31 мкА до 48 мкА для t_p = 10 мс, а также уменьшению EPSC от 30 мкА до 25 мкА для t_p = 50 мс, от 30 мкА до 17 мкА для t_p = 70 мс, от 30 мкА до 5 мкА для tp = 100 мс. Из полученных результатов следует, что чем короче интервал между импульсами, тем выше индекс PPF, поэтому можно сделать вывод, что изготовленная мемристивный cross-point на основе нанокристаллических пленок ZnO имитирует кратковременную пластичность биологического синапса, в котором пластичность PPF и PPD определяется концентрацией ионов Ca+ и который играет ключевую роль во многих биологических функциях мозга, таких как локализация источника звука, распознавание образов, ассоциативное обучение, фильтрация ненужной информации. Полученные результаты могут быть использованы для аппаратной реализации нейронных сетей, нейроморфных структур робототехнических комплексов, протезов и систем искусственного интеллекта

• АНАЛИЗ И ВЫБОР МЕТОДИКИ В РЕШЕНИИ ЗАДАЧ ИНТЕЛЛЕКТУАЛИЗАЦИИ СИСТЕМ ПРОГНОЗИРОВАНИЯ ТЕРМОФЛУКТУАЦИОННЫХ ПРОЦЕССОВ В КАБЕЛЬНЫХ СЕТЯХ

  Н.К. Полуянович, М.Н. Дубяго

  2020-07-20

  Аннотация ▼

  Статья посвящена исследованиям вопросам создания диагностики и прогнозирования
  термофлуктуационных процессов изоляционных материалов силовых кабельных линий (СКЛ)
  электроэнергетических систем на основе таких методов искусственного интеллекта, как
  нейронные сети и нечеткая логика. Показана необходимость разработки более совершен-
  ной методики анализа тепловых режимов в СКЛ. Обоснована актуальность задачи созда-
  ния нейросетей (НС) для оценки пропускной способности, расчёта и прогнозирования тем-
  пературы жил СКЛ в режиме реального времени на основе данных системы температур-
  ного мониторинга, с учетом изменения токовой нагрузки линии и внешних условий тепло-
  отвода. По основным критериям проведено сравнение традиционных и нейросетевых алго-
  ритмов для прогнозирования, показало преимущество НС методов. Проведена классифи-
  кация НС методов и моделей прогнозирования температурных режимов КЛ. Для решения
  задачи прогнозирования ресурса СКЛ была выбрана сеть с прямым распространением дан-
  ных и обратного распространения ошибки, т.к. сети такого типа в совокупности с акти-
  вационной функцией в виде гиперболического тангенса являются в некоторой степени уни-
  версальной структурой для многих задач аппроксимации, приближения и прогнозирования.
  Разработана нейросеть для определения температурного режима токоведущей жилы
  силового кабеля. Проведен сравнительный анализ экспериментальных и расчетных харак-
  теристик распределений температуры, при этом исследовались различные нагрузочные
  режимы работы и функции изменения тока кабеля. При анализе данных было определено,
  что максимальное отклонение данных, полученных от нейросети от данных обучающей
  выборки, составило менее 2,5 % что является вполне приемлемым результатом. Для по-
  вышения точности необходимо использовалось большое количество входных и выходных
  данных при обучении сети, а также некоторая доработка ее структуры. Модель позволя-
  ет оценивать текущее состояние изоляции и прогнозировать остаточный ресурс СКЛ. Модель
  может быть использована в устройствах и системах непрерывного диагностирования
  силовых кабелей по температурным режимам.

• МНОГОЭТАПНЫЙ МЕТОД КРАТКОСРОЧНОГО ПРОГНОЗИРОВАНИЯ ТЕМПЕРАТУРНЫХ РЕЖИМОВ В СИЛОВОМ КАБЕЛЕ

  Н. К. Полуянович, Н. В. Азаров, А. В. Огреничев, М. Н. Дубяго

  2020-07-20

  Аннотация ▼

  Статья посвящена исследованиям вопросам создания диагностики и прогнозирования
  термофлуктуационных процессов изоляционных материалов силовых кабельных линий (СКЛ)
  электроэнергетических систем на основе таких методов искусственного интеллекта, как
  нейронные сети и нечеткая логика. Показана необходимость разработки более совершен-
  ной методики анализа тепловых режимов в СКЛ. Обоснована актуальность задачи созда-
  ния нейросетей (НС) для оценки пропускной способности, расчёта и прогнозирования тем-
  пературы жил СКЛ в режиме реального времени на основе данных системы температур-
  ного мониторинга, с учетом изменения токовой нагрузки линии и внешних условий тепло-
  отвода. По основным критериям проведено сравнение традиционных и нейросетевых алго-
  ритмов для прогнозирования, показало преимущество НС методов. Проведена классифи-
  кация НС методов и моделей прогнозирования температурных режимов КЛ. Предложен-
  ный нейросетевой алгоритм прогнозирования характеристик электрической изоляции был
  апробирован на контрольной выборке экспериментальных данных, по которым обучение
  искусственной нейронной сети не проводилось. Результаты прогноза показали эффектив-
  ность выбранной модели. Для решения задачи прогнозирования ресурса СКЛ была выбрана
  сеть с прямым распространением данных и обратного распространения ошибки, т.к. сети
  такого типа в совокупности с активационной функцией в виде гиперболического тангенса
  являются в некоторой степени универсальной структурой для многих задач аппроксима-
  ции, приближения и прогнозирования. Разработана нейросеть для определения темпера-
  турного режима токоведущей жилы силового кабеля. Проведен сравнительный анализ
  экспериментальных и расчетных характеристик распределений температуры, при этом
  исследовались различные нагрузочные режимы работы и функции изменения тока кабеля.
  При анализе данных было определено, что максимальное отклонение данных, полученных
  от нейросети от данных обучающей выборки, составило менее 2,2 % что является вполне
  приемлемым результатом. Модель может быть использована в устройствах и системах
  непрерывного диагностирования силовых кабелей по температурным режимам.