Донецький національний технічний університет
Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал:
https://ea.donntu.edu.ua/jspui/handle/123456789/22873| Назва: | ІНФОРМАЦІЙНО-УПРАВЛЯЮЧІ СИСТЕМИ БІОТЕХНІЧНИМИ ОБ’ЄКТАМИ З ІНТЕЛЕКТУАЛЬНИМИ ПІДСИСТЕМАМИ |
| Інші назви: | Information and Control Systems of Biotechnological Objects with Intelligent Subsystems Информационно-управляющие системы биотехническими объектами с интеллекту- альными подсистемами |
| Автори: | Винниченко, М.Г. Решетюк, В.М. Штепа, В.М. Vinnichenko, M.G. Reshetyuk, V.M. Shtepa, V.M. Винниченко, Н.Г. Решетюк, В.М. Штепа, В.М. |
| Ключові слова: | информационно-управляющая система нейронная сеть биотехнический объект фильтрация принятия решений information-management system neural network biotechnical object filtering decision-making інформаційно-управляюча система нейронна мережа біотехнічний об’єкт фільтрація прийняття рішень |
| Дата публікації: | 2013 |
| Видавництво: | Донецький національний технічний університет |
| Бібліографічний опис: | Наукові праці Донецького національного технічного університету. Серія: Обчислювальна техніка та автоматизація. Випуск 2 (25). - Донецьк, ДонНТУ, 2013. С - 190-196 |
| Короткий огляд (реферат): | Проаналізовано існуючі архітектури та системи контролю біотехнологічних виробництв, запропонувано власну архітектуру нейронної мережі для підтримки модулів прийняття рі- шень. Для усунення шумів інформаційного каналу розроблено фільтр на основі перетворення Гільберта-Хуанга. |
| Опис: | The existing architecture and biotechnology control facilities systems were analyzed in the article. The neural network architecture is offered to support decision-making units. To eliminate information channel’s noise components the Hilbert-Huang transformation filter was designed. Improvement of biotechnological objects systems’ architecture management was reached by including neural network blocks into intelligent subsystem decision-making processes due to the content of biological objects. This will expand the list of effectively processed natural disturbances and ensure the sale profit increase of the products produced with minimizing energy costs for maintenance. The combination of recognition systems and Bayes networks lead to the sensitivity rising before image changing. Due to the fact that information and control systems architecture of biotechnical facilities was added to neural network forecasting unit, when dealing with stationary (quasistationary) time series, we managed to achieve sufficient depth forecast. However, this approach did not work in non-stationary time series. This led to the before filter input signal usage. Overall, the effectiveness of such control systems depends on the functional characteristics of two components: biological and technical. |
| URI (Уніфікований ідентифікатор ресурсу): | http://ea.donntu.edu.ua/handle/123456789/22873 |
| ISSN: | 2075-4272 |
| Розташовується у зібраннях: | Випуск 2 (25)'2013 Наукові публікації кафедри електронної техніки |
Файли цього матеріалу:
| Файл | Опис | Розмір | Формат | |
|---|---|---|---|---|
| винниченко.pdf | 469,7 kB | Adobe PDF | Переглянути/Відкрити |
Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.