Вы здесь ▸ Обсуждение ▸
Мои публикации
Публикации: статьи в журналах и сборниках конференций, доклады, презентации, отчеты, авторские свидетельства.
Ivanov V.K., Palyukh B.V.
Application of Evidence Theory for Training Fuzzy Neural Networks in Diagnostic Systems Journal Article
In: Pattern Recognition and Image Analysis, no. 33, pp. 354-359, 2023, ISSN: 1054-6618.
Abstract | Links | BibTeX | Altmetric | Метки: belief function, diagnostic system, evidence theory, fuzzy logic, fuzzy neural network, incident, membership function, multistage production process, process chain, production rule
@article{nokey,
title = {Application of Evidence Theory for Training Fuzzy Neural Networks in Diagnostic Systems},
author = {Ivanov V.K. and Palyukh B.V.},
url = {https://link.springer.com/article/10.1134/S1054661823030197
https://disk.yandex.ru/i/hYt3FYBoxOo2hA},
doi = {https://doi.org/10.1134/S1054661823030197},
issn = {1054-6618},
year = {2023},
date = {2023-09-30},
urldate = {2023-09-30},
journal = {Pattern Recognition and Image Analysis},
number = {33},
pages = {354-359},
abstract = {The paper substantiates a method for creating training datasets for fuzzy neural networks, which can be used to promptly obtain probabilistic estimates for the causes of abnormal critical events or incidents in diagnostic systems. The rules for converting the hypotheses on potential incident causes into intervals of defect probability in a process chain at a certain stage of continuous production are considered using belief functions. We propose a procedure for converting these hypotheses into a database of fuzzy production rules automatically, which provides training an adaptive neural network based on the Takagi-Sugeno-Kang fuzzy inference system. This makes it possible to quickly calculate a relatively accurate probabilistic estimate of a malfunction in the process chain without using expensive computing resources.
},
keywords = {belief function, diagnostic system, evidence theory, fuzzy logic, fuzzy neural network, incident, membership function, multistage production process, process chain, production rule},
pubstate = {published},
tppubtype = {article}
}
The paper substantiates a method for creating training datasets for fuzzy neural networks, which can be used to promptly obtain probabilistic estimates for the causes of abnormal critical events or incidents in diagnostic systems. The rules for converting the hypotheses on potential incident causes into intervals of defect probability in a process chain at a certain stage of continuous production are considered using belief functions. We propose a procedure for converting these hypotheses into a database of fuzzy production rules automatically, which provides training an adaptive neural network based on the Takagi-Sugeno-Kang fuzzy inference system. This makes it possible to quickly calculate a relatively accurate probabilistic estimate of a malfunction in the process chain without using expensive computing resources.
Иванов В.К.
Прогнозирование диагностических данных с использованием нечетких нейронных сетей Статья в сборнике
In: Современные технологии и инновации, pp. 169-179, ТвГТУ, 2023, ISBN: 9785799513023.
Abstract | Links | BibTeX | Метки: diagnostic variable, forecast, fuzzy neural network, membership function, production rule, status-4, technology, time series, training dataset, временной ряд, диагностическая переменная, нечеткая нейронная сеть, обучающий набор данных, прогноз, продукционное правило, технологический процесс, функция принадлежности
@inproceedings{nokey,
title = {Прогнозирование диагностических данных с использованием нечетких нейронных сетей},
author = {Иванов В.К.},
url = {https://disk.yandex.ru/i/gsIW0s0vQKW6xg},
isbn = {9785799513023},
year = {2023},
date = {2023-07-31},
urldate = {2023-07-31},
booktitle = {Современные технологии и инновации},
pages = {169-179},
publisher = {ТвГТУ},
abstract = {В статье описан подход к решению задач анализа диагностической информации о функционировании сложного технологического процесса на примере прогнозирования трендов и временного ряда значений диагностических переменных. Цель проведённого исследования – показать возможность применения нечёткого сглаживания временного ряда и нечётких нейронных сетей для смягчения последствий неопределённости факторов, влияющих на функционирование технологического процесса, и неполноты информации о них. Предлагается модель прогнозирования, основанная на использовании нечётких временных рядов. Эта модель используется для формализации системы нечётких продукционных правил. Обосновывается применение нейронной сети с архитектурой ANFIS. Описывается методика подготовки обучающих и проверочных наборов реальных данных, настройки и обучения нейронной сети. Представлены некоторые результаты оценки качества обучения нейронной сети. Отмечается достаточная точность прогноза, достигаемая без использования затратных вычислительных ресурсов. Делается вывод о применимости предложенного подхода к данной и подобным задачам.
V.K. Ivanov. Prediction diagnostic data using fuzzy neural networks
The paper describes an approach to solving the problems of analyzing diagnostic information about the complex technological process functioning by the example of forecasting diagnostic variables values trends and their a time series. The study purpose is to show the possibility of using time series fuzzy smoothing and fuzzy neural networks to mitigate the factors uncertainty effects affecting the technological process functioning and incompleteness of information about such factors. A sales forecasting model based on the fuzzy time series use is proposed. This model is used to formalize fuzzy production rules system. The application of a neural network with ANFIS architecture is justified. The methodology of preparing training and verification real data sets, setting up and training a neural network is described. Some results of the neural network training quality evaluation are presented. There is a sufficient accuracy of the forecast, achieved without the expensive computing resources use. The conclusion is made about the proposed approach applicability to this and similar tasks.},
keywords = {diagnostic variable, forecast, fuzzy neural network, membership function, production rule, status-4, technology, time series, training dataset, временной ряд, диагностическая переменная, нечеткая нейронная сеть, обучающий набор данных, прогноз, продукционное правило, технологический процесс, функция принадлежности},
pubstate = {published},
tppubtype = {inproceedings}
}
В статье описан подход к решению задач анализа диагностической информации о функционировании сложного технологического процесса на примере прогнозирования трендов и временного ряда значений диагностических переменных. Цель проведённого исследования – показать возможность применения нечёткого сглаживания временного ряда и нечётких нейронных сетей для смягчения последствий неопределённости факторов, влияющих на функционирование технологического процесса, и неполноты информации о них. Предлагается модель прогнозирования, основанная на использовании нечётких временных рядов. Эта модель используется для формализации системы нечётких продукционных правил. Обосновывается применение нейронной сети с архитектурой ANFIS. Описывается методика подготовки обучающих и проверочных наборов реальных данных, настройки и обучения нейронной сети. Представлены некоторые результаты оценки качества обучения нейронной сети. Отмечается достаточная точность прогноза, достигаемая без использования затратных вычислительных ресурсов. Делается вывод о применимости предложенного подхода к данной и подобным задачам.
V.K. Ivanov. Prediction diagnostic data using fuzzy neural networks
The paper describes an approach to solving the problems of analyzing diagnostic information about the complex technological process functioning by the example of forecasting diagnostic variables values trends and their a time series. The study purpose is to show the possibility of using time series fuzzy smoothing and fuzzy neural networks to mitigate the factors uncertainty effects affecting the technological process functioning and incompleteness of information about such factors. A sales forecasting model based on the fuzzy time series use is proposed. This model is used to formalize fuzzy production rules system. The application of a neural network with ANFIS architecture is justified. The methodology of preparing training and verification real data sets, setting up and training a neural network is described. Some results of the neural network training quality evaluation are presented. There is a sufficient accuracy of the forecast, achieved without the expensive computing resources use. The conclusion is made about the proposed approach applicability to this and similar tasks.
V.K. Ivanov. Prediction diagnostic data using fuzzy neural networks
The paper describes an approach to solving the problems of analyzing diagnostic information about the complex technological process functioning by the example of forecasting diagnostic variables values trends and their a time series. The study purpose is to show the possibility of using time series fuzzy smoothing and fuzzy neural networks to mitigate the factors uncertainty effects affecting the technological process functioning and incompleteness of information about such factors. A sales forecasting model based on the fuzzy time series use is proposed. This model is used to formalize fuzzy production rules system. The application of a neural network with ANFIS architecture is justified. The methodology of preparing training and verification real data sets, setting up and training a neural network is described. Some results of the neural network training quality evaluation are presented. There is a sufficient accuracy of the forecast, achieved without the expensive computing resources use. The conclusion is made about the proposed approach applicability to this and similar tasks.
Иванов В.К.
Интеллектуализация оценки сходства и уникальности текстовых документов при их экспертизе Статья в сборнике
In: Саморазвивающаяся среда технического вуза: научные исследования и экспериментальные разработки, pp. 135-141, ТвГТУ, 2023, ISBN: 9785799512835.
Abstract | Links | BibTeX | Метки: artificial intelligence, assessment, autocheck, document, neural network, test, thoroughness, uniqueness, документ, искусственный интеллект, нейронная сеть, обстоятельность, оценивание, текст, уникальность
@inproceedings{nokey,
title = {Интеллектуализация оценки сходства и уникальности текстовых документов при их экспертизе},
author = {Иванов В.К.},
url = {https://disk.yandex.ru/i/bLTQh6wLF8kLQA},
isbn = {9785799512835},
year = {2023},
date = {2023-07-31},
urldate = {2023-07-31},
booktitle = {Саморазвивающаяся среда технического вуза: научные исследования и экспериментальные разработки},
pages = {135-141},
publisher = {ТвГТУ},
abstract = {В статье обосновано применение интеллектуальных методов семантического анализа содержания и качества текстовых документов. Отмечено, что профессиональная экспертиза таких документов является важной составляющей деятельности квалифицированных специалистов как на предприятиях, так и в образовательных учреждениях, готовящих кадры для предприятий. Показано применение разрабатываемого семантического анализатора содержания текстов. Описана сущность некоторых ключевых проверяемых характеристик текстов, таких как обстоятельность и уникальность, показано их сходство и различие. Обращено внимание на некоторые технологии оценки уникальности и сходства текстов. Указаны особенности применения современных моделей интеллектуального семантического анализа текстовой информации. Предложен вариант программной реализации такого анализа. Отмечены границы применения предлагаемых методов.
V.K. Ivanov. Intellectual assessment of the text documents similarity and uniqueness during their expertise
The article substantiates and describes the use of intelligent methods of the semantic content analysis and quality assessment of text documents. It is noted that the professional examination of such documents is an important component of the qualified specialists activities both at the enterprise and in educational institutions that prepare capable personnel for the enterprises. The developed semantic analyzer application of the texts content is shown. The essence of some key verifiable text characteristics, such as thoroughness and uniqueness including their similarity and difference is described. The attention is drawn to some technologies for assessing the texts uniqueness and similarity. The features of the modern models application of the intelligent textual information semantic analysis are indicated. The software implementation of such an analysis is proposed. The limits of the proposed methods application are marked. Keywords: artificial intelligence, test, document, assessment, thoroughness, uniqueness, neural network.},
keywords = {artificial intelligence, assessment, autocheck, document, neural network, test, thoroughness, uniqueness, документ, искусственный интеллект, нейронная сеть, обстоятельность, оценивание, текст, уникальность},
pubstate = {published},
tppubtype = {inproceedings}
}
В статье обосновано применение интеллектуальных методов семантического анализа содержания и качества текстовых документов. Отмечено, что профессиональная экспертиза таких документов является важной составляющей деятельности квалифицированных специалистов как на предприятиях, так и в образовательных учреждениях, готовящих кадры для предприятий. Показано применение разрабатываемого семантического анализатора содержания текстов. Описана сущность некоторых ключевых проверяемых характеристик текстов, таких как обстоятельность и уникальность, показано их сходство и различие. Обращено внимание на некоторые технологии оценки уникальности и сходства текстов. Указаны особенности применения современных моделей интеллектуального семантического анализа текстовой информации. Предложен вариант программной реализации такого анализа. Отмечены границы применения предлагаемых методов.
V.K. Ivanov. Intellectual assessment of the text documents similarity and uniqueness during their expertise
The article substantiates and describes the use of intelligent methods of the semantic content analysis and quality assessment of text documents. It is noted that the professional examination of such documents is an important component of the qualified specialists activities both at the enterprise and in educational institutions that prepare capable personnel for the enterprises. The developed semantic analyzer application of the texts content is shown. The essence of some key verifiable text characteristics, such as thoroughness and uniqueness including their similarity and difference is described. The attention is drawn to some technologies for assessing the texts uniqueness and similarity. The features of the modern models application of the intelligent textual information semantic analysis are indicated. The software implementation of such an analysis is proposed. The limits of the proposed methods application are marked. Keywords: artificial intelligence, test, document, assessment, thoroughness, uniqueness, neural network.
V.K. Ivanov. Intellectual assessment of the text documents similarity and uniqueness during their expertise
The article substantiates and describes the use of intelligent methods of the semantic content analysis and quality assessment of text documents. It is noted that the professional examination of such documents is an important component of the qualified specialists activities both at the enterprise and in educational institutions that prepare capable personnel for the enterprises. The developed semantic analyzer application of the texts content is shown. The essence of some key verifiable text characteristics, such as thoroughness and uniqueness including their similarity and difference is described. The attention is drawn to some technologies for assessing the texts uniqueness and similarity. The features of the modern models application of the intelligent textual information semantic analysis are indicated. The software implementation of such an analysis is proposed. The limits of the proposed methods application are marked. Keywords: artificial intelligence, test, document, assessment, thoroughness, uniqueness, neural network.
Иванов В.К.
Структурные шаблоны для оценки работ студентов Статья в сборнике
In: Актуальные проблемы качества образования в высшей школе, pp. 73-80, ТвГТУ, 2023, ISBN: 9785799512927.
Abstract | Links | BibTeX | Метки: autocheck, criterion, document, evaluation, indicator, structural template, text, verification, документ, индикатор, критерий, оценивание, проверка, структурный шаблон, текст
@inproceedings{nokey,
title = {Структурные шаблоны для оценки работ студентов},
author = {Иванов В.К.},
url = {https://disk.yandex.ru/i/Y7-3GRCREbsO-Q},
isbn = {9785799512927},
year = {2023},
date = {2023-07-31},
urldate = {2023-07-31},
booktitle = {Актуальные проблемы качества образования в высшей школе},
pages = {73-80},
publisher = {ТвГТУ},
abstract = {В статье предлагается и обосновывается подход к оцениванию письменных работ студентов. Отмечаются сложности оценивания, которые имеют как объективный, так и субъективный характер. Формулируются подходы к рационализации состава и использования оценочных критериев, которые создают предпосылки для применения моделей и методов автоматизированной интеллектуальной обработки текстов. Предлагается два класса критериев для проверки содержания и формы представления работы. Для каждого критерия определяются способы проверки, рассчитываемые индикаторы и особенности. В качестве инструмента оценивания дается структурный шаблон, предполагающий декомпозицию текста работы с раздельным оцениванием каждого элемента. Показываются выгоды от разумной формализации методов проверки с помощью структурных шаблонов, включая снижение степени субъективности преподавателей и уменьшение вероятности ошибок при оценивании.
Ivanov V.K. Structural templates for evaluating students' works
The paper suggests and substantiates an approach to the students' written works evaluation. For such works, the evaluation difficulties are noted, which are both objective and subjective in nature. Approaches to the composition and rationalization use of evaluation criteria are formulated. It creates prerequisites for the use of automated intellectual text processing models and methods. Two classes of criteria are proposed to verify the content and form of the work presentation. Verification methods, calculated indicators and features are determined for each criterion. The structural template described in the article can be used as an evaluation tool. It assumes the work text decomposition with a separate evaluation of each element. The benefits of reasonable formalization of verification methods using structural templates are shown. The main thing is to reduce the degree of subjectivity of teachers and reduce the probability of errors in the assessment.},
keywords = {autocheck, criterion, document, evaluation, indicator, structural template, text, verification, документ, индикатор, критерий, оценивание, проверка, структурный шаблон, текст},
pubstate = {published},
tppubtype = {inproceedings}
}
В статье предлагается и обосновывается подход к оцениванию письменных работ студентов. Отмечаются сложности оценивания, которые имеют как объективный, так и субъективный характер. Формулируются подходы к рационализации состава и использования оценочных критериев, которые создают предпосылки для применения моделей и методов автоматизированной интеллектуальной обработки текстов. Предлагается два класса критериев для проверки содержания и формы представления работы. Для каждого критерия определяются способы проверки, рассчитываемые индикаторы и особенности. В качестве инструмента оценивания дается структурный шаблон, предполагающий декомпозицию текста работы с раздельным оцениванием каждого элемента. Показываются выгоды от разумной формализации методов проверки с помощью структурных шаблонов, включая снижение степени субъективности преподавателей и уменьшение вероятности ошибок при оценивании.
Ivanov V.K. Structural templates for evaluating students' works
The paper suggests and substantiates an approach to the students' written works evaluation. For such works, the evaluation difficulties are noted, which are both objective and subjective in nature. Approaches to the composition and rationalization use of evaluation criteria are formulated. It creates prerequisites for the use of automated intellectual text processing models and methods. Two classes of criteria are proposed to verify the content and form of the work presentation. Verification methods, calculated indicators and features are determined for each criterion. The structural template described in the article can be used as an evaluation tool. It assumes the work text decomposition with a separate evaluation of each element. The benefits of reasonable formalization of verification methods using structural templates are shown. The main thing is to reduce the degree of subjectivity of teachers and reduce the probability of errors in the assessment.
Ivanov V.K. Structural templates for evaluating students' works
The paper suggests and substantiates an approach to the students' written works evaluation. For such works, the evaluation difficulties are noted, which are both objective and subjective in nature. Approaches to the composition and rationalization use of evaluation criteria are formulated. It creates prerequisites for the use of automated intellectual text processing models and methods. Two classes of criteria are proposed to verify the content and form of the work presentation. Verification methods, calculated indicators and features are determined for each criterion. The structural template described in the article can be used as an evaluation tool. It assumes the work text decomposition with a separate evaluation of each element. The benefits of reasonable formalization of verification methods using structural templates are shown. The main thing is to reduce the degree of subjectivity of teachers and reduce the probability of errors in the assessment.
Иванов В.К., Бибиков И.Е.
Прогнозирование показателей вендинговой торговли с помощью нечетких нейронных сетей Статья в сборнике
In: Междисциплинарные исследования экономических систем, pp. 136-143, ТвГТУ, 2023, ISBN: 9785799513085.
Abstract | Links | BibTeX | Метки: fuzzy neural network, membership function, other projects, sales forecast, time series, vending, вендинг, временной ряд, нечеткая нейронная сеть, прогноз, продажа, функция принадлежности
@inproceedings{nokey,
title = {Прогнозирование показателей вендинговой торговли с помощью нечетких нейронных сетей},
author = {Иванов В.К. and Бибиков И.Е.},
url = {https://disk.yandex.ru/i/iCmwyyGB0PwdRQ},
isbn = {9785799513085},
year = {2023},
date = {2023-07-01},
urldate = {2023-07-01},
booktitle = {Междисциплинарные исследования экономических систем},
pages = {136-143},
publisher = {ТвГТУ},
abstract = {В статье описан подход к решению задач обслуживания торговых автоматов на примере прогнозирования трендов и временного ряда продаж товаров заданного вида с использованием нечеткой нейронной сети. Цель проведенного исследования – показать применение нечеткого сглаживания временного ряда и нейронных сетей для смягчения последствий неопределенности процессов, влияющих на функционирование торговых автоматов. Предложена модель прогнозирования продаж. Сделан вывод о применимости предложенного подхода к данной и подобным задачам.
Forecasting of Vending Trade Indicators Using Fuzzy Neural Networks
V.K. Ivanov, I.E. Bibikov
The article describes an approach to solving the problems of vending machine maintenance on the example of forecasting trends and time series of sales of goods of a given type using a fuzzy neural network. The purpose of the research is to show the application of fuzzy smoothing of time series and neural networks to mitigate the effects of uncertainty of the processes affecting the function-ionization of vending machines. A sales forecasting model is proposed. The applicability of the proposed approach to this and similar problems is concluded. },
keywords = {fuzzy neural network, membership function, other projects, sales forecast, time series, vending, вендинг, временной ряд, нечеткая нейронная сеть, прогноз, продажа, функция принадлежности},
pubstate = {published},
tppubtype = {inproceedings}
}
В статье описан подход к решению задач обслуживания торговых автоматов на примере прогнозирования трендов и временного ряда продаж товаров заданного вида с использованием нечеткой нейронной сети. Цель проведенного исследования – показать применение нечеткого сглаживания временного ряда и нейронных сетей для смягчения последствий неопределенности процессов, влияющих на функционирование торговых автоматов. Предложена модель прогнозирования продаж. Сделан вывод о применимости предложенного подхода к данной и подобным задачам.
Forecasting of Vending Trade Indicators Using Fuzzy Neural Networks
V.K. Ivanov, I.E. Bibikov
The article describes an approach to solving the problems of vending machine maintenance on the example of forecasting trends and time series of sales of goods of a given type using a fuzzy neural network. The purpose of the research is to show the application of fuzzy smoothing of time series and neural networks to mitigate the effects of uncertainty of the processes affecting the function-ionization of vending machines. A sales forecasting model is proposed. The applicability of the proposed approach to this and similar problems is concluded.
Forecasting of Vending Trade Indicators Using Fuzzy Neural Networks
V.K. Ivanov, I.E. Bibikov
The article describes an approach to solving the problems of vending machine maintenance on the example of forecasting trends and time series of sales of goods of a given type using a fuzzy neural network. The purpose of the research is to show the application of fuzzy smoothing of time series and neural networks to mitigate the effects of uncertainty of the processes affecting the function-ionization of vending machines. A sales forecasting model is proposed. The applicability of the proposed approach to this and similar problems is concluded.
Иванов В.К., Палюх Б.В.
Демонстратор программной платформы для настройки гиперпараметров нечеткой нейронной сети Journal Article
In: Программные продукты и системы / Software & Systems, vol. 35, no. 4, pp. 609-617, 2022.
Abstract | Links | BibTeX | Altmetric | Метки: ANFIS, belief function, demonstrator, diagnostics, evidence theory, fuzzy logic, incident, membership function, multistage production process, neural network, process chain, production rule, TSK, демонстратор, диагностика, инцидент, многостадийный технологический процесс, нечеткая нейронная сеть, нечеткая система, продукционное правило, теория свидетельств, технологическая цепь, функция доверия, функция принадлежности
@article{nokey,
title = {Демонстратор программной платформы для настройки гиперпараметров нечеткой нейронной сети},
author = {Иванов В.К. and Палюх Б.В.},
editor = {демонстратор, диагностическая система, инцидент, многостадийный технологический процесс, нечеткая логика, нечеткая нейронная сеть, продукционное правило, теория свиде-тельств, технологическая цепь, функция доверия, функция принадлежности, ANFIS, TSK, demonstrator, belief function, diagnostics, evidence theory, fuzzy logic, incident, membership function, multistage production process, neural network, process chain, production rule},
url = {https://disk.yandex.ru/i/uWiFPzjvqsyRvg
http://swsys.ru/files/2022-4/609-617.pdf},
doi = {10.15827/0236-235X.140.609-617},
year = {2022},
date = {2022-12-31},
urldate = {2022-12-31},
journal = {Программные продукты и системы / Software & Systems},
volume = {35},
number = {4},
pages = {609-617},
publisher = {Программные продукты и системы / Software & Systems},
abstract = {В статье приводится описание исследовательского демонстратора для экспериментальной проверки и оценки вариантов применения нечетких алгоритмов и нейронных сетей в экспертной системе для диагностики сложных многостадийных технологических процессов. Цель разработки демонстратора – создание научно-технического задела для передачи готовых к внедрению решений на следующие этапы проекта.
Демонстратор позволяет оценить уровень системной готовности разрабатываемых компонентов, провести исследовательские испытания, проверить работоспособность и эффективность функционирования программных реализаций при различных значениях параметров и их сочетаниях. Диагностика состояния сложного многостадийного технологического процесса предполагает совместную обработку первичных данных для получения вероятностных характеристик аномальных критических событий или инцидентов в условиях неопределенности.
Авторами предложен вариант использования нечеткой нейронной сети, обучение которой происходит данными, сгенерированными с помощью функций доверия. Подход дает возможность значительно ускорить вычисления и минимизировать ресурсную базу. В статье основное внимание уделяется описанию функций управления моделями нейронной сети и обучающими наборами данных, обучения нейронной сети и проверки его качества, диагностики технологического процесса в различных режимах. Подробно описаны настраиваемые гиперпараметры нейронной сети. Приведены примеры реализации диагностических процедур в различных режимах. Показано, что при функционировании программной диагностической системы в условиях, близких к реальным, могут быть проверены и экспериментально обоснованы исходные предположения, касающиеся сокращения времени обнаружения и прогнозирования инцидентов, и более точно определены множества технологических цепей, являющихся причинами инцидентов.
A software platform demonstrator for configuring ANFIS neural network hyperparameters in fuzzy systems
V.K. Ivanov, B.V. Palyukh
This article describes the research demonstrator for experimental verification and evaluation of fuzzy algorithms and neural networks in an expert system for complex multi-stage technological processes. The demonstrator development purpose is to create a scientific and technical foundation for the ready-to-im-plement solutions transfer to the next project stages.
The demonstrator allows assessing the readiness level of the components being developed, conducting re-search tests, checking the operability and efficiency of the software implementations functioning proposed at various parameter values and their combinations. A complex multi-stage technological process state diagnos-tics involves the joint primary data processing to obtain probabilistic abnormal critical events or incidents characteristics under conditions of uncertainty.
The authors propose a way of using a fuzzy neural network, which is trained with data generated by belief functions. The approach makes it possible to significantly speed up calculations and to minimize the resource base. The article focuses on describing the neural network models and training datasets management, neural network training and quality control, the technological process diagnostics in various modes. The configurable hyper-parameters of the neural network are described in detail. There are examples of the diagnostic procedures implementation in various modes. It is shown that with the software diagnostic system functioning in condi-tions close to real, the initial assumptions concerning the time reduction for detecting and predicting incidents can be verified and experimentally substantiated. In addition, the technological chains sets that are the incidents causes can be more accurately determined.},
keywords = {ANFIS, belief function, demonstrator, diagnostics, evidence theory, fuzzy logic, incident, membership function, multistage production process, neural network, process chain, production rule, TSK, демонстратор, диагностика, инцидент, многостадийный технологический процесс, нечеткая нейронная сеть, нечеткая система, продукционное правило, теория свидетельств, технологическая цепь, функция доверия, функция принадлежности},
pubstate = {published},
tppubtype = {article}
}
В статье приводится описание исследовательского демонстратора для экспериментальной проверки и оценки вариантов применения нечетких алгоритмов и нейронных сетей в экспертной системе для диагностики сложных многостадийных технологических процессов. Цель разработки демонстратора – создание научно-технического задела для передачи готовых к внедрению решений на следующие этапы проекта.
Демонстратор позволяет оценить уровень системной готовности разрабатываемых компонентов, провести исследовательские испытания, проверить работоспособность и эффективность функционирования программных реализаций при различных значениях параметров и их сочетаниях. Диагностика состояния сложного многостадийного технологического процесса предполагает совместную обработку первичных данных для получения вероятностных характеристик аномальных критических событий или инцидентов в условиях неопределенности.
Авторами предложен вариант использования нечеткой нейронной сети, обучение которой происходит данными, сгенерированными с помощью функций доверия. Подход дает возможность значительно ускорить вычисления и минимизировать ресурсную базу. В статье основное внимание уделяется описанию функций управления моделями нейронной сети и обучающими наборами данных, обучения нейронной сети и проверки его качества, диагностики технологического процесса в различных режимах. Подробно описаны настраиваемые гиперпараметры нейронной сети. Приведены примеры реализации диагностических процедур в различных режимах. Показано, что при функционировании программной диагностической системы в условиях, близких к реальным, могут быть проверены и экспериментально обоснованы исходные предположения, касающиеся сокращения времени обнаружения и прогнозирования инцидентов, и более точно определены множества технологических цепей, являющихся причинами инцидентов.
A software platform demonstrator for configuring ANFIS neural network hyperparameters in fuzzy systems
V.K. Ivanov, B.V. Palyukh
This article describes the research demonstrator for experimental verification and evaluation of fuzzy algorithms and neural networks in an expert system for complex multi-stage technological processes. The demonstrator development purpose is to create a scientific and technical foundation for the ready-to-im-plement solutions transfer to the next project stages.
The demonstrator allows assessing the readiness level of the components being developed, conducting re-search tests, checking the operability and efficiency of the software implementations functioning proposed at various parameter values and their combinations. A complex multi-stage technological process state diagnos-tics involves the joint primary data processing to obtain probabilistic abnormal critical events or incidents characteristics under conditions of uncertainty.
The authors propose a way of using a fuzzy neural network, which is trained with data generated by belief functions. The approach makes it possible to significantly speed up calculations and to minimize the resource base. The article focuses on describing the neural network models and training datasets management, neural network training and quality control, the technological process diagnostics in various modes. The configurable hyper-parameters of the neural network are described in detail. There are examples of the diagnostic procedures implementation in various modes. It is shown that with the software diagnostic system functioning in condi-tions close to real, the initial assumptions concerning the time reduction for detecting and predicting incidents can be verified and experimentally substantiated. In addition, the technological chains sets that are the incidents causes can be more accurately determined.
Демонстратор позволяет оценить уровень системной готовности разрабатываемых компонентов, провести исследовательские испытания, проверить работоспособность и эффективность функционирования программных реализаций при различных значениях параметров и их сочетаниях. Диагностика состояния сложного многостадийного технологического процесса предполагает совместную обработку первичных данных для получения вероятностных характеристик аномальных критических событий или инцидентов в условиях неопределенности.
Авторами предложен вариант использования нечеткой нейронной сети, обучение которой происходит данными, сгенерированными с помощью функций доверия. Подход дает возможность значительно ускорить вычисления и минимизировать ресурсную базу. В статье основное внимание уделяется описанию функций управления моделями нейронной сети и обучающими наборами данных, обучения нейронной сети и проверки его качества, диагностики технологического процесса в различных режимах. Подробно описаны настраиваемые гиперпараметры нейронной сети. Приведены примеры реализации диагностических процедур в различных режимах. Показано, что при функционировании программной диагностической системы в условиях, близких к реальным, могут быть проверены и экспериментально обоснованы исходные предположения, касающиеся сокращения времени обнаружения и прогнозирования инцидентов, и более точно определены множества технологических цепей, являющихся причинами инцидентов.
A software platform demonstrator for configuring ANFIS neural network hyperparameters in fuzzy systems
V.K. Ivanov, B.V. Palyukh
This article describes the research demonstrator for experimental verification and evaluation of fuzzy algorithms and neural networks in an expert system for complex multi-stage technological processes. The demonstrator development purpose is to create a scientific and technical foundation for the ready-to-im-plement solutions transfer to the next project stages.
The demonstrator allows assessing the readiness level of the components being developed, conducting re-search tests, checking the operability and efficiency of the software implementations functioning proposed at various parameter values and their combinations. A complex multi-stage technological process state diagnos-tics involves the joint primary data processing to obtain probabilistic abnormal critical events or incidents characteristics under conditions of uncertainty.
The authors propose a way of using a fuzzy neural network, which is trained with data generated by belief functions. The approach makes it possible to significantly speed up calculations and to minimize the resource base. The article focuses on describing the neural network models and training datasets management, neural network training and quality control, the technological process diagnostics in various modes. The configurable hyper-parameters of the neural network are described in detail. There are examples of the diagnostic procedures implementation in various modes. It is shown that with the software diagnostic system functioning in condi-tions close to real, the initial assumptions concerning the time reduction for detecting and predicting incidents can be verified and experimentally substantiated. In addition, the technological chains sets that are the incidents causes can be more accurately determined.
Иванов В.К., Палюх Б.В.
Применение теории свидетельств для обучения нейронной сети ANFIS/TSK в диагностических системах Статья в сборнике
In: Двадцатая Национальная конференция по искусственному интеллекту с международным участи, КИИ-2022 (Москва, 21–23 декабря 2022 г.). Труды конференции. Т. 2. – М.: Издательство МЭИ, 2022. – 464 с., pp. 27-38, Москва, МЭИ, 2022, ISBN: 978-5-7046-2737-1 (Т. 2).
Abstract | Links | BibTeX | Метки: ANFIS, belief function, diagnostics, evidence theory, fuzzy system, incident, membership function, neural network, production rule, status-4, technological chain, TSK, диагностика, инцидент, многостадийный технологический процесс, нечёткая логика, нечеткая нейронная сеть, продукционное правило, теория свидетельств, технологическая цепь, функция доверия, функция принадлежности
@inproceedings{nokey,
title = {Применение теории свидетельств для обучения нейронной сети ANFIS/TSK в диагностических системах},
author = {Иванов В.К. and Палюх Б.В.},
url = {https://disk.yandex.ru/i/aQVzbPsLkPGU2A
https://disk.yandex.ru/d/cVfdqjddPQbo-Q
https://disk.yandex.ru/i/WDIvuPjjS1iNfA},
isbn = {978-5-7046-2737-1 (Т. 2)},
year = {2022},
date = {2022-12-23},
urldate = {2022-12-23},
booktitle = {Двадцатая Национальная конференция по искусственному интеллекту с международным участи, КИИ-2022 (Москва, 21–23 декабря 2022 г.). Труды конференции. Т. 2. – М.: Издательство МЭИ, 2022. – 464 с.},
volume = {2},
pages = {27-38},
publisher = {Москва, МЭИ},
abstract = {В работе обосновывается метод создания обучающих наборов данных для нечеткой нейронной сети, которая может быть использована для оперативного получения вероятностных оценок причин аномальных критических событий или инцидентов в диагностических системах. Рассматриваются правила преобразования гипотез о потенциальных причинах инцидентов в интервалы вероятности дефекта технологической цепи на некоторой стадии непрерывного производства с использованием функций доверия. Предлагается процедура автоматического преобразования этих гипотез в базу нечетких продукционных правил, которая обеспечивает обучение нейронной сети ANFIS с архитектурой TSK. Это позволит оперативно определять достаточно верную для практического использования оценку вероятности неисправности в технологической цепи без использования затратных вычислительных ресурсов. Это позволит оперативно вычислить относительно точную оценку вероятности неисправности в технологической цепи без использования затратных вычислительных ресурсов.
Evidence Theory Application for ANFIS/TSK Neural Network Training in Diagnostic Systems
The paper substantiates a method for creating training data sets for a fuzzy neural network, which can be used to quickly obtain probabilistic estimates of incidents causes in diagnostic systems. The rules for converting hypotheses about potential causes of incidents into intervals of defect probability in the technological chain at some continuous production stage using belief functions are considered. A procedure is proposed for automatically converting these hypotheses into a fuzzy production rules base, which provides training for the ANFIS neural network with the TSK architecture. This will allow you to quickly determine an estimate of the malfunction probability in the process chain that is sufficiently correct for practical use without using expensive computing resources.},
keywords = {ANFIS, belief function, diagnostics, evidence theory, fuzzy system, incident, membership function, neural network, production rule, status-4, technological chain, TSK, диагностика, инцидент, многостадийный технологический процесс, нечёткая логика, нечеткая нейронная сеть, продукционное правило, теория свидетельств, технологическая цепь, функция доверия, функция принадлежности},
pubstate = {published},
tppubtype = {inproceedings}
}
В работе обосновывается метод создания обучающих наборов данных для нечеткой нейронной сети, которая может быть использована для оперативного получения вероятностных оценок причин аномальных критических событий или инцидентов в диагностических системах. Рассматриваются правила преобразования гипотез о потенциальных причинах инцидентов в интервалы вероятности дефекта технологической цепи на некоторой стадии непрерывного производства с использованием функций доверия. Предлагается процедура автоматического преобразования этих гипотез в базу нечетких продукционных правил, которая обеспечивает обучение нейронной сети ANFIS с архитектурой TSK. Это позволит оперативно определять достаточно верную для практического использования оценку вероятности неисправности в технологической цепи без использования затратных вычислительных ресурсов. Это позволит оперативно вычислить относительно точную оценку вероятности неисправности в технологической цепи без использования затратных вычислительных ресурсов.
Evidence Theory Application for ANFIS/TSK Neural Network Training in Diagnostic Systems
The paper substantiates a method for creating training data sets for a fuzzy neural network, which can be used to quickly obtain probabilistic estimates of incidents causes in diagnostic systems. The rules for converting hypotheses about potential causes of incidents into intervals of defect probability in the technological chain at some continuous production stage using belief functions are considered. A procedure is proposed for automatically converting these hypotheses into a fuzzy production rules base, which provides training for the ANFIS neural network with the TSK architecture. This will allow you to quickly determine an estimate of the malfunction probability in the process chain that is sufficiently correct for practical use without using expensive computing resources.
Evidence Theory Application for ANFIS/TSK Neural Network Training in Diagnostic Systems
The paper substantiates a method for creating training data sets for a fuzzy neural network, which can be used to quickly obtain probabilistic estimates of incidents causes in diagnostic systems. The rules for converting hypotheses about potential causes of incidents into intervals of defect probability in the technological chain at some continuous production stage using belief functions are considered. A procedure is proposed for automatically converting these hypotheses into a fuzzy production rules base, which provides training for the ANFIS neural network with the TSK architecture. This will allow you to quickly determine an estimate of the malfunction probability in the process chain that is sufficiently correct for practical use without using expensive computing resources.
Ivanov V.K., Palyukh B.V.
Joint Use of Neural Networks and Evidence Theory Methods in Control and Diagnostic Fuzzy Systems Journal Article
In: Scientific and Technical Information Processing, vol. 49, no. 6, pp. 446–454, 2022, ISSN: ISSN 0147-6882.
Abstract | Links | BibTeX | Altmetric | Метки: belief function, Dempster-Schafer evidence theory, diagnostics, fuzzy system, hybrid expert system, manufacturing process, network training, neural network, status-4, гибридная экспертная система, диагностика, нейронная сеть, нечеткая система, обучение сети, теория свидетельств Демпстера-Шафера, технологический процесс, функция доверия
@article{nokey,
title = {Joint Use of Neural Networks and Evidence Theory Methods in Control and Diagnostic Fuzzy Systems},
author = {Ivanov V.K. and Palyukh B.V.},
url = {https://disk.yandex.ru/i/Tyzzu4Iwd6XbBw},
doi = {10.3103/S0147688222060065},
issn = {ISSN 0147-6882},
year = {2022},
date = {2022-12-16},
urldate = {2022-12-16},
journal = {Scientific and Technical Information Processing},
volume = {49},
number = {6},
pages = {446–454},
publisher = {Allerton Press, Inc.},
abstract = {The article describes the study results of various intelligent data processing methods, such as neural networks and algorithms of the theory of evidence, joint use. The study was conducted on the development of diagnostic systems examples. These methods hybridization is one of the general approaches to reduce uncertainty in the data used and increase the degree of confidence in them. The data uncertainty is of an objective nature when they are obtained from the sensors of technological equipment, from technical regulations, as well as from expert specialists. The study includes an analysis of modern developments descriptions presented at significant international conferences and published recently. Several dozen descriptions of the systems composition, structure and main algorithms functioning developed for projects in various fields were reviewed. As a result, the joint application modes of neural networks and theory of evidence algorithms including the features of architectures and their implementation are determined. We also summarized information about the effectiveness of these methods’ joint application in terms of the uncertainty level reducing and confidence level increasing in the decision-making data. The scope of this study results application is the architectural solutions design of a hybrid expert system for diagnosing the technology processes state and detecting anomalies in them.},
keywords = {belief function, Dempster-Schafer evidence theory, diagnostics, fuzzy system, hybrid expert system, manufacturing process, network training, neural network, status-4, гибридная экспертная система, диагностика, нейронная сеть, нечеткая система, обучение сети, теория свидетельств Демпстера-Шафера, технологический процесс, функция доверия},
pubstate = {published},
tppubtype = {article}
}
The article describes the study results of various intelligent data processing methods, such as neural networks and algorithms of the theory of evidence, joint use. The study was conducted on the development of diagnostic systems examples. These methods hybridization is one of the general approaches to reduce uncertainty in the data used and increase the degree of confidence in them. The data uncertainty is of an objective nature when they are obtained from the sensors of technological equipment, from technical regulations, as well as from expert specialists. The study includes an analysis of modern developments descriptions presented at significant international conferences and published recently. Several dozen descriptions of the systems composition, structure and main algorithms functioning developed for projects in various fields were reviewed. As a result, the joint application modes of neural networks and theory of evidence algorithms including the features of architectures and their implementation are determined. We also summarized information about the effectiveness of these methods’ joint application in terms of the uncertainty level reducing and confidence level increasing in the decision-making data. The scope of this study results application is the architectural solutions design of a hybrid expert system for diagnosing the technology processes state and detecting anomalies in them.
Ivanov V.K., Palyukh B.V., Sotnikov A.N.
Generation of Production Rules with Belief Functions to Train Fuzzy Neural Network in Diagnostic System Journal Article
In: Lobachevskii Journal of Mathematics, vol. 43, no. 10, pp. 2853–2862, 2022, ISSN: 1995-0802.
Abstract | Links | BibTeX | Altmetric | Метки: belief function, diagnostic system, diagnostic variable, evidence theory, fuzzy system, incident, membership function, multistage production process, neural network, process chain, production rule, status-4
@article{nokey,
title = {Generation of Production Rules with Belief Functions to Train Fuzzy Neural Network in Diagnostic System},
author = {Ivanov V.K. and Palyukh B.V. and Sotnikov A.N. },
url = {https://trebuchet.public.springernature.app/get_content/2642e052-2f35-4c6e-94ec-91c7565d5eda
https://disk.yandex.ru/i/CX5OUwIb2PKGRg},
doi = {10.1134/S1995080222130169},
issn = {1995-0802},
year = {2022},
date = {2022-10-31},
urldate = {2022-10-31},
journal = {Lobachevskii Journal of Mathematics},
volume = {43},
number = {10},
pages = {2853–2862},
abstract = {The article examines some algorithms for joint processing of raw data on the state of a complex multistage continuous production process to obtain probabilistic characteristics of abnormal critical events that can potentially lead to single failures or even emergencies. The article, thus, proposes and substantiates an approach to developing a technology to detect and predict malfunctions and determine their causes. The sequence of operations to process and convert diagnostic process data is considered essential. As a result, the article presents a general diagnostic model of a multistage production process. The model can formalize the main objects and processes in terms of the problem being solved. An incident is defined as an abnormal critical event described by non-normative values of diagnostic variables. Incidents are shown to be indicated by the corresponding membership functions. The hypotheses on potential incident causes are discussed to be built with belief functions being the basis of evidence theory or Dempster−Shafer theory. The hypotheses are characterized by an interval of malfunction probability in some process chain. The authors propose a procedure of converting these hypotheses into fuzzy production rules automatically. The automatical procedure is a prerequisite to using fuzzy neural networks to obtain a reliable estimate of the degree of belief in the incident cause. As a summary, the generated database of the production rules to train a neural network is substantiated to be used with the TSK architecture that makes possible to estimate a malfunction probability in the process chain quickly without resource-intensive computations.},
keywords = {belief function, diagnostic system, diagnostic variable, evidence theory, fuzzy system, incident, membership function, multistage production process, neural network, process chain, production rule, status-4},
pubstate = {published},
tppubtype = {article}
}
The article examines some algorithms for joint processing of raw data on the state of a complex multistage continuous production process to obtain probabilistic characteristics of abnormal critical events that can potentially lead to single failures or even emergencies. The article, thus, proposes and substantiates an approach to developing a technology to detect and predict malfunctions and determine their causes. The sequence of operations to process and convert diagnostic process data is considered essential. As a result, the article presents a general diagnostic model of a multistage production process. The model can formalize the main objects and processes in terms of the problem being solved. An incident is defined as an abnormal critical event described by non-normative values of diagnostic variables. Incidents are shown to be indicated by the corresponding membership functions. The hypotheses on potential incident causes are discussed to be built with belief functions being the basis of evidence theory or Dempster−Shafer theory. The hypotheses are characterized by an interval of malfunction probability in some process chain. The authors propose a procedure of converting these hypotheses into fuzzy production rules automatically. The automatical procedure is a prerequisite to using fuzzy neural networks to obtain a reliable estimate of the degree of belief in the incident cause. As a summary, the generated database of the production rules to train a neural network is substantiated to be used with the TSK architecture that makes possible to estimate a malfunction probability in the process chain quickly without resource-intensive computations.
Иванов В.К.
2022.
Abstract | Links | BibTeX | Метки: demonstrator, diagnostics, fuzzy system, incident, malfunction, neural network, status-4, демонстратор, диагностика, инцидент, неисправность, нейронная сеть, нечеткая система, технологический процесс
@patent{nokey,
title = {Свидетельство о государственной регистрации программы для ЭВМ №2022668820 «Программа-демонстратор платформы для использования нейронных сетей ANFIS/TSK в нечетких системах»},
author = {Иванов В.К.},
url = {https://disk.yandex.ru/i/1lkKjV3IsK_dew},
year = {2022},
date = {2022-10-12},
urldate = {2022-10-12},
booktitle = {Реестр программ для ЭВМ},
publisher = {Реестр программ для ЭВМ},
abstract = {Программа представляет собой исследовательский прототип программной платформы для использования нейронной сети с архитектурой ANFIS/TSK в гибридной нечеткой экспертной системе. Цель создания программы – передача проверенных решений на следующие этапы проекта. Функции программы: управление моделями (создание моделей нечеткой нейронной сети для диагностики технологического процесса, поддержка базы моделей , выбор модели); управление обучающими наборами данных (создание наборов данных, их поддержка, выбор набора данных); обучение нейронной сети (выбор модели, обучающего набора данных, алгоритма обучения и собственно обучение); демонстрация функций диагностики с помощью нейронной сети. Демонстратор является частью разрабатываемой технологии обнаружения и прогнозирования инцидентов, учитывающей объективную неопределенность при анализе данных от сенсоров технологического оборудования, технических регламентов или экспертов.
Язык: Python
ОС: Microsoft Windows, Linux
Объём программы: 370 Kб
},
keywords = {demonstrator, diagnostics, fuzzy system, incident, malfunction, neural network, status-4, демонстратор, диагностика, инцидент, неисправность, нейронная сеть, нечеткая система, технологический процесс},
pubstate = {published},
tppubtype = {patent}
}
Программа представляет собой исследовательский прототип программной платформы для использования нейронной сети с архитектурой ANFIS/TSK в гибридной нечеткой экспертной системе. Цель создания программы – передача проверенных решений на следующие этапы проекта. Функции программы: управление моделями (создание моделей нечеткой нейронной сети для диагностики технологического процесса, поддержка базы моделей , выбор модели); управление обучающими наборами данных (создание наборов данных, их поддержка, выбор набора данных); обучение нейронной сети (выбор модели, обучающего набора данных, алгоритма обучения и собственно обучение); демонстрация функций диагностики с помощью нейронной сети. Демонстратор является частью разрабатываемой технологии обнаружения и прогнозирования инцидентов, учитывающей объективную неопределенность при анализе данных от сенсоров технологического оборудования, технических регламентов или экспертов.
Язык: Python
ОС: Microsoft Windows, Linux
Объём программы: 370 Kб
Язык: Python
ОС: Microsoft Windows, Linux
Объём программы: 370 Kб