2022

Permanent URI for this community

http://crust.ust.edu.ua/handle/123456789/16083

Browse

Browsing 2022 by Author "Клименко, Іван Вікторович"

Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    Дослідження процедур мережі хеммінга для управління сервісними системами при неточно визначених і природомовних даних
    (Український державний університет науки і технологій, Дніпро, 2022) Скалозуб, Владислав Васильович; Горячкін, Вадим Миколайович; Клименко, Іван Вікторович; Терлецький, Ігор Андрійович; Терленко, Андрій Павлович
    UKR: Моделі та методи, а також програмні засоби щодо завдань планування потоків замовлень систем обслуговування, або сервісних систем (С&С), мають досить велике поширення. Завдання з розвитку процедур класифікації та управління С&С на основі моделі асоціативної пам’яті нейронної мережі Хеммінга (МХ) за неточно визначених характеристик даних сьогодні є актуальним, має теоретичне та практичне значення. Основна мета роботи – розвиток та дослідження математичних моделей процедур мережі Хеммінга для С&С за неточно визначених та природномовних характеристик даних, порівняльний аналіз моделей нечітких множин і коефіцієнтів упевненості CF. Методика. У роботі використано модифікацію процедур нейронної мережі Хеммінга та числові експериментальні дослідження порівняльних можливостей застосування як моделей первинних даних нечітких множин μХ (X → [0; 1]), а також експертних показників достовірності, коефіцієнтів впевненості CF(A) з множини [– 1; + 1]. Результати. Виконано формування та дослідження вдосконалених моделей нейронних мереж Хеммінга, призначених для процедур класифікації в С&С за неточно визначених та природномовних характеристик даних. Наукова новизна. Уперше для зав-дань класифікації та управління С&С досліджено порівняльні можливості використання нечітких величин (НВ), а також коефіцієнтів упевненості CF як моделей для представлення властивостей неповних і неточно визначених даних, а також даних у природномовній формі. При цьому встановлено переваги моделі коефіцієнтів впевненості CF та сформовано відповідні процедури класифікації та управління С&С. Практична значимість. Розроблені у статті моделі та процедури класифікації властивостей багатопараметричних об’єктів С&С на основі модифікованих нейронних мереж Хеммінга дозволяють ефективно вирішувати широке коло завдань сфери управління С&С за невизначености та неповноті первинних даних.