Найти

Результаты поиска

• СПОСОБ ИСПОЛЬЗОВАНИЯ СРЕДСТВ БЫСТРОГО ПРОТОТИПИРОВАНИЯ ДЛЯ РЕАЛИЗАЦИИ СВЕРТОЧНОЙ НЕЙРОННОЙ СЕТИ НА ПЛИС

  В.В. Бахчевников , В. А. Деркачев , А. Н. Бакуменко

  2020-10-11

  Аннотация ▼

  Исследования в области искусственного интеллекта ведутся с возрастающим и н-
  тересом с каждым годом. Области применения искусственного интеллекта довольно
  обширны: автоматизация, анализ большого объема данных, технологии умного дома,
  машинное зрение и т.д. Технологии искусственного интеллекта базируются на использ о-
  вании искусственных нейронных сетей, имеющие в своей основе принципы нервной сис-
  темы животных. При этом актуальным вопросом является реализация искусственных
  нейронных сетей на различных программно-аппаратных платформах: программируемых
  логических интегральных схемах (ПЛИС) типа FPGA (Field Programmable Gate Array), на
  интегральных схемах специального назначения (Application-Specific Integrated Circuit,
  ASIC), GPU, CPU и т.д. ПЛИС наилучшим образом проявляют себя в маломощных мо-
  бильных системах. ASIC демонстрируют наибольшую производительность с н едостат-
  ком: высокая цена разработки. Проблема быстрого прототипирования проектов, осн о-
  ванных на использовании искусственных нейронных сетей, для ПЛИС привычными мет о-
  дами (c помощью HDL-языков, HDL-кодеров, графического программирования) заключа-
  ется в том, что либо такой проект сложен и длителен в отладке (HDL-языки), либо не
  оптимален получающийся код (HDL-кодеры), либо высока длительность разработки
  проекта и сложность реконфигурации нейронной сети (графическое программирование).
  Поэтому в рамках данной работы рассматривается эффективный метод проектирова-
  ния полносвязных и сверточноых нейронных сетей для их реализации на ПЛИС использ о-
  ванием пакета Xilinx System Generator for DSP и Matlab/Simulink. Генерируемые таким
  образом искусственные нейросети легко реконфигурируемы и позволяют решать сле-
  дующие задачи: распознавание изображений, оптимальная фильтрация (например, для
  задач подповерхностной радиолокации).

• ОЦЕНКА ВОЗДЕЙСТВУЮЩИХ ФАКТОРОВ И ПРОГНОЗИРОВАНИЕ ЭЛЕКТРОПОТРЕБЛЕНИЯ В РЕГИОНАЛЬНОЙ ЭНЕРГОСИСТЕМЕ С УЧЕТОМ РЕЖИМА ЕЕ ЭКСПЛУАТАЦИИ

  Н. К. Полуянович , М. Н. Дубяго

  2022-05-26

  Аннотация ▼

  Статья посвящена исследованиям вопросов оценки воздействующих факторов и про-
  гнозирования электропотребления в региональной энергосистеме с учетом режимов ее
  эксплуатации. Проведен анализ существующих методов прогнозирования энергопотребле-
  ния. Обоснован выбор метода прогнозирования с использованием искусственной нейронной
  сети. Рассмотрен алгоритм создания нейросети для краткосрочного прогноза электриче-
  ской нагрузки. Актуальность работы обусловлена требованиями действующего законода-
  тельства к прогнозированию электропотребления для решения задачи поддержания балан-
  са мощностей между генерирующей стороной и потреблением электрической энергии.
  При этом одной из основных задач, связанных с генерацией электрической энергии и ее
  потреблением, является задача поддержания баланса мощностей. С одной стороны, при
  увеличении плановой нагрузки могут возникнуть перебои в поставке электроэнергии, с дру-
  гой стороны, уменьшение электропотребления приведет так же к уменьшению КПД элек-
  тростанций, и в конечном счете – к повышению стоимости на электроэнергию как для
  субъекта оптового рынка электроэнергии, так и для конечного потребителя. Разработан-
  ная нейросетевая модель (НС) модель сводит задачу краткосрочного прогнозирования
  электропотребления к поиску матрицы свободных коэффициентов посредством обучения
  на имеющихся статистических данных (активная и реактивная мощность, температура
  окружающей среды, дата и индекс дня). Полученная НС модель краткосрочного прогнози-
  рования электропотребления участка районной электрической сети 10 кВ, учитывает
  факторы: – времени, – метеорологических условий, – отключений отдельных питающих
  линий электропередач, – режима работы потребителей электроэнергии. Получены про-
  гнозные оценки электропотребления энергосистемы по данным потребляемой электро-
  энергии наружной температуры, типу дня и т.д. Модель прогнозирования величины, по-
  требляемой активной и реактивной мощности вполне работоспособна, однако на данном
  этапе все еще имеет довольно высокий уровень погрешности прогнозирования. Для повы-
  шения точности прогнозирования необходимо увеличить базу данных, составляющих обу-
  чающую выборку, т.к. на данный момент имеющиеся данные охватывают временной про-
  межуток длиной лишь 3–4 месяца. Результаты анализа показали, что наибольшие трудно-
  сти вызывает прогнозирование потребления реактивной мощности.

• 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.

• 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.

• 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.

• МОДЕЛЬ ПРОГНОЗИРОВАНИЯ ТРАНСПОРТНОГО ПОТОКА НА ОСНОВЕ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ПРЕДСКАЗАНИЯ ТРАФИКА НА ДОРОГАХ

  Аламир Хайдер Сагбан Хуссейн, Е.В. Заргарян, Ю. А. Заргарян

  124-132

  2021-08-11

  Аннотация ▼

  В связи с индустриализацией современного общества, ростом транспортных систем нашей страны, увеличения определенных необходимых для развития потребностей граждан нашей страны количество транспортных средств разных видов и типов с каждым годом продолжает увеличиваться с большой скоростью, вызывая огромные пробки на транспортных дорогах, особенно в больших городах и мегаполисах. Таким образом, прогнозирование транспортных потоков является важным и необходимым компонентом оптимального управления трафиком в современных условиях развития транспортной сети. В качестве решения этой проблемы данная статья нацелена на анализ и описание приме-нения методов искусственного интеллекта, в частности нейронных сетей, что представляет современный подход к моделированию в сложных и нелинейных ситуациях, возникаю-щих при прогнозировании модели транспортного потока. Показанный метод точности основан на разработке нейронной сети для прогнозирования дневного потока трафика. Затем ожидаемый транспортный поток сравнивается с реальным набором данных, записанным на участке дороги и предоставленным менеджером инфраструктуры. Фактически, нейронные сети способны извлекать уроки из прошлых возникших ситуаций и предсказывать будущие ситуации на транспортной сети. В этом исследовании были изучены раз-личные структуры нейронной сети, и результаты моделирования показали, что лучшие прогнозы были получены с использованием многослойной архитектуры персептрон, кото-рая имеет хорошую систему обобщения со средней общей квадратичной ошибкой 0,00927 при текущем наборе транспортных средств. Первая часть статьи посвящена определению различных концепций, относящихся к текущей области исследований, включая обзор литературы по прогнозированию трафика и нейронным сетям. Вторая часть посвящена описанию проблемы перегрузки трафика с помощью задач прогнозирования и представлению предлагаемого метода решения с акцентом на искусственные нейронные сети, как средство прогнозирования спроса и его различных структур. Затем численные эксперименты проиллюстрированы анализом результатов прогноза после формирования и тестирования различных архитектур нейронных сетей.

• 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.