Применение смешанного подхода для синтеза цифровых экосистем машинного обучения
Автор: Золкин Александр Леонидович, Айгумов Тимур Гаджиевич, Тормозов Владимир Сергеевич, Гуменникова Юлия Валериевна
Рубрика: Управление сложными системами
Статья в выпуске: 1, 2023 года.
Бесплатный доступ
Рассмотрены новые методы синтеза цифровых систем экологического мониторинга с применением методологии машинного обучения. Предложено применение смешанного аппаратного и программно-аппаратного подходов для реализации релейно-контакторной логики, что расширяет возможности мониторинга и поддержки принятия решений в отношении компонентов информационно-измерительных систем. Обоснована важность применения MS-триггеров и логистической регрессии при анализе стабильности работы датчиков и мониторинга их характеристик. Исследована роль схемотехнических составляющих, предлагаемых к внедрению в системах экологического мониторинга. Уделено внимание специфике анализа уже измеренных данных, устройству памяти информационно-измерительных систем
Цифровые экосистемы, конечные автоматы, моты, линейная регрессия, цифровые измерения, датчики, машинное обучение, киберфизические системы, информационно-измерительные системы, сенсоры, roc-анализ
Короткий адрес: https://sciup.org/148326629
IDR: 148326629 | DOI: 10.18137/RNU.V9187.23.01.P.12
Список литературы Применение смешанного подхода для синтеза цифровых экосистем машинного обучения
- Azen R., Walker C.M. Categorical Data Analysis for the Behavioral and Social Sciences. Routledge, 2011. 283 p. ISBN 978-1-84872-836-3.
- Алексенко А.Г. Основы микросхемотехники. М. : Советское радио, 1971. 349 с.
- Cohen B. Howard Aiken : Portrait of a computer pioneer. Cambridge, Massachusetts : MIT Press, 2000. 329 p. ISBN 0262531798.
- Бусленко Н.П., Шрейдер Ю.А. Метод статистических испытаний (Монте-Карло) и его реализация на цифровых вычислительных машинах. М. : ФИЗМАТЛИТ, 1961. 226 с.
- Израэль Ю.А. Экология и контроль состояния природной среды. Л. : Гидрометеоиздат, 1979. 376 с.
- Израэль Ю.А. Глобальная система наблюдений. Прогноз и оценка окружающей природной среды. Основы мониторинга // Метеорология и гидрология. 1974. № 7. С. 3–8.
- Антонов А.А., Быковский С.В., Кустарев П.В., Кормилицын К.А., Пинкевич В.Ю. Функциональная схемотехника. Практикум: Учебное пособие. СПб.: Санкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики, 2019. 97 с. EDN: GSWGC T.
- Теория вероятностей и математическая статистика. Математические модели / В.Д. Мятлев, Л.А. Панченко, Г.Ю. Ризниченко, А.Т. Терехин. М. : Академия, 2009. 320 с. ISBN 978-5-7695-4704-1.
- Hilbe J.M. Logistic Regression Models. Series: CRC Texts in Statistical Science. New York : Chapman, Hall /CRC . 2009. 656 p. DO I: https://doi.org/10.1201/9781420075779
- Поспелов Д.А. Логические методы анализа и синтеза схем. 3-е изд. М. : Энергия, 1974. 368 с.
- Zolkin A.L., Munister V.D., Domracheva E.A., Faizullin R.V., Kovaleva K.A. Application of machine learning for optimization of operational processes in industrial drum units // Proceedings of the II International Conference on Advances in Materials, Systems and Technologies, CAMSTech-II 2021, Krasnoyarsk, 29–31 July 2021. Krasnoyarsk, 2022. P. 030001. EDN GO XQZW. DO I: 10.1063/5.0092463
- Delfani F., Samanipour H., Beiki H., Yumashev A., Akhmetshin E. A robust fuzzy optimisation for a multi-objective pharmaceutical supply chain network design problem considering reliability and delivery time. International Journal of Systems Science: Operations and Logistics. 2020. Vol. 9. No. 2. Pp. 1–25. EDN JRF XFY . DO I: 10.1080/23302674.2020.1862936
