Дослідження процедур мережі хеммінга для управління сервісними системами при неточно визначених і природомовних даних

Simple item page
dc.contributor.authorСкалозуб, Владислав Васильовичuk_UA
dc.contributor.authorГорячкін, Вадим Миколайовичuk_UA
dc.contributor.authorКлименко, Іван Вікторовичuk_UA
dc.contributor.authorТерлецький, Ігор Андрійовичuk_UA
dc.contributor.authorТерленко, Андрій Павловичuk_UA
dc.date.accessioned2023-04-26T10:02:24Z
dc.date.available2023-04-26T10:02:24Z
dc.date.issued2022
dc.descriptionВ. Скалозуб: ORCID 0000-0002-1941-4751, В. Горячкін: ORCID 0000-0002-8952-952X; І. Терлецький: ORCID 0000-0001-8324-4673, І. Клименко: ORCID 0000-0001-5149-3974; А. Терленко: ORCID 0000-0003-4728-9537uk_UA
dc.description.abstractUKR: 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.uk_UA
dc.description.abstractENG: Models and methods, as well as software tools for the tasks of planning the flow of orders of service systems, or service systems (S&S), are quite widespread. The task of developing processes for classification and management of S&S based on the associative memory model of the Hamming neural network (HNN) with impre-cisely defined data characteristics is relevant today, and has theoretical and practical significance. The main purpose of the work is to develop and study mathematical models of Hamming network procedures for S&S with imprecise-ly defined and natural language data characteristics, comparative analysis of fuzzy set models and CF confidence coefficients. Methodology. The paper uses a modification of the Hamming neural network procedures and numeri-cal experimental studies of the comparative possibilities of using fuzzy sets μX (X → [0; 1]) as models of primary data, as well as expert confidence indicators, confidence factors CF(A) from the set [–1; +1]. Findings. The for-mation and study of improved models of Hamming neural networks intended for classification procedures in S&S with imprecisely defined and natural language data characteristics is carried out. Originality. For the first time, the comparative possibilities of using fuzzy values (NVs) and CFs as models for representing the properties of incom-plete and imprecisely defined data, as well as data in natural language form, are investigated for the tasks of classifi-cation and management of S&S. At the same time, the advantages of the CF confidence factor model are established and appropriate procedures for classifying and managing S&S are formed. Practical value. The models and proce-dures for classifying the properties of multi-parameter S&S objects based on modified Hamming neural networks developed in the article allow to effectively solve a wide range of tasks in the field of S&S management under un-certainty and incompleteness of primary data.en
dc.identifierDOI: 10.15802/stp2022/276411
dc.identifier.citationCкалозуб В. В., Горячкін В. М., Клименко І. В., Терлецький І. А., Терленко А. П. Дослідження процедур мережі хеммінга для управління сервісними системами при неточно визначених і природомовних даних. Наука та прогрес транспорту. 2022. № 3–4 (99–100). С. 33–47. DOI: 10.15802/stp2022/276411.uk_UA
dc.identifier.issn2307–3489 (Print)
dc.identifier.issn2307–6666 (Online)
dc.identifier.urihttp://stp.diit.edu.ua/article/view/276411/272301
dc.identifier.urihttps://crust.ust.edu.ua/handle/123456789/16886
dc.language.isouk_UA
dc.publisherУкраїнський державний університет науки і технологій, Дніпроuk_UA
dc.subjectсервісні системиuk_UA
dc.subjectумови невизначеностіuk_UA
dc.subjectпроцедури класифікаціїuk_UA
dc.subjectнейронні мережі Хеммінгаuk_UA
dc.subjectнечіткі величиниuk_UA
dc.subjectкоефіцієнти впевненості CF(A)uk_UA
dc.subjectприродномовні даніuk_UA
dc.subjectservice systemsen
dc.subjectconditions of uncertaintyen
dc.subjectclassification proceduresen
dc.subjectHamming neural networksen
dc.subjectfuzzy valuesen
dc.subjectconfidence factors CF(A)en
dc.subjectnatural dataen
dc.subjectКІТuk_UA
dc.titleДослідження процедур мережі хеммінга для управління сервісними системами при неточно визначених і природомовних данихuk_UA
dc.title.alternativeInvestigation of Hamming Network Procedures for Controlling Service Systems with Imprecisely Defined and Natural Language Dataen
dc.typeArticleen
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Skalozub.pdf
Size:
1.33 MB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
Статті КІТ
№ 3-4 (99-100)