Крикун В. А. Метод та програмні засоби інтерпретації моделей машинного навчання нелінійних динамічних об’єктів

English version

Дисертація на здобуття ступеня доктора філософії

Державний реєстраційний номер

0824U002664

Облікова картка дисертації

0824U002664.pdf

Здобувач

Спеціальність

  • 121 - Інженерія програмного забезпечення

01-07-2024

Спеціалізована вчена рада

5770

Національний університет "Одеська політехніка"

Анотація

Дисертаційну роботу присвячено вирішенню актуальної науково-практичної задачі, яка полягає у створенні методу інтерпретації моделей машинного навчання нелінійних динамічних об’єктів з неперервними характеристиками та його застосуванню у вигляді програмно-алгоритмічних засобів ідентифікації як складової частини інтелектуальних систем. Метою роботи є підвищення точності сурогатних моделей шляхом розвитку методу інтерпретації моделей машинного навчання нелінійних динамічних об’єктів за допомогою непараметричних динамічних моделей на основі інтегро-степеневих поліномів Вольтерри та реалізації запропонованого методу у вигляді програмно-алгоритмічних засобів ідентифікації неперервних об’єктів у складі інтелектуальних систем. Для досягнення вказаної мети дослідження в роботі поставлено і розв´язано такі задачі: виконано аналіз існуючих методів інтерпретації моделей машинного навчання неперервних нелінійних динамічних об’єктів, визначено базові проблеми інтерпретації нейромережевих моделей; обґрунтовано вибір напрямку досліджень в області побудови сурогатних моделей у вигляді інтегральних непараметричних динамічних моделей на основі інтегро-степеневих поліномів Вольтерри для аналітичного опису нелінійних динамічних об’єктів; запропоновано використання непараметричних динамічних моделей на основі інтегро-степеневих поліномів Вольтерри в якості сурогатних моделей для інтерпретації нейронних мереж з часовими затримками; встановлено зв’язок в аналітичному вигляді між нейронними мережами з часовими затримками та непараметричними динамічними моделями на основі інтегро-степеневих поліномів Вольтерри для підвищення точності сурогатних моделей неперервних нелінійних динамічних об’єктів; розвинуто метод інтерпретації нейронних мереж з часовими затримками шляхом побудови сурогатних моделей у вигляді непараметричних динамічних моделей на основі інтегро-степеневих поліномів Вольтерри для опису нелінійних динамічних об’єктів із забезпеченням прийнятної точності моделювання; розроблено інформаційну технологію інтерпретації моделей машинного навчання нелінійних динамічних об’єктів, що ґрунтується на використанні нейронної мережі з часовими затримками для ідентифікації нелінійної динамічної моделі об’єкта за даними експерименту «вхід–вихід» та побудови сурогатної моделей у вигляді непараметричних динамічних моделей на основі інтегро-степеневих поліномів Вольтерри із забезпеченням прийнятної точності моделювання для інтерпретації нейронної мережі; розроблено інструментальні засоби комп’ютерного моделювання для побудови нейромережевих моделей нелінійних динамічних об’єктів та сурогатних моделей для їх інтерпретації в системи ідентифікації неперервних об’єктів; застосовано розроблений метод та інструментальні засоби для розв’язання прикладних задач ідентифікації неперервних об’єктів.

Читати повністю

Публікації

Krykun V. Improving the accuracy of the neural network models interpretation of nonlinear dynamic objects. Математичне та комп'ютерне моделювання. Серія: Технічні науки. 2023. Вип. 24. C. 45–55. DOI: 10.32626/2308-5916.2023-24.45-55.

Mathematical models of software quality assurance for interpretation of dynamic neural networks / O. Fomin, V. Krykun, A. Orlov et al. Вчені записки ТНУ імені В.І. Вернадського. Серія: Технічні науки. 2023. Том 34 (73), № 5. C. 250–256. DOI: 10.32782/2663-5941/2023.5/39.

Models of dynamic objects with significant nonlinearity based on time-delay neural networks / O. Fomin, V. Speranskyy, V. Krykun et al. Вісник черкаського державного технологічного університету. Технічні науки. 2023. № 3. С. 97–112. DOI: 10.24025/2306-4412.3.2023.288284.

Fomin O.O., Krykun, V.A. Assessment of the Quality of Neural Network Models Based on a Multifactorial Information Criterion. Вісник сучасних інформаційних технологій. 2024. Том 7, № 1. С. 13–23. DOI: 10.15276/hait.07.2024.1.

Interpretation of Dynamic Models Based on Neural Networks in the Form of Integral-Power Series / O. Fomin et al. ; in: Arsenyeva, O., Romanova, T., Sukhonos, M., Tsegelnyk, Y. (eds). Smart Technologies in Urban Engineering. STUE 2022. Lecture Notes in Networks and Systems. Springer, Cham, 2022. Vol. 536. P. 258–265. DOI: 10.1007/978-3-031-20141-7_24.

Interpretation Method for Dynamic States Neural Network Models / S. Polozhaenko et al. IEEE 3rd International Conference on System Analysis & Intelligent Computing (SAIC). Kyiv, Ukraine, 2022. P. 1–5. DOI: 10.1109/SAIC57818.2022.9923008.

Крикун В. А., Фомін О. О. Інтерпретація динамічних моделей у вигляді нейронних мереж з часовими затримками. Матеріали Дванадцятої Міжнародної наукової конференції студентів та молодих учених «Сучасні інформаційні технології – 2022». Одеса, Україна, 2022. С. 140-141.

Use of dynamic neural networks for modeling nonlinear objects with significant nonlinearity / S. Polozhaenko et al. Збірник тез IV Міжнародної науково-практичної Інтернет-конференції "Математика та інформатика в науці й освіті: виклики сучасності". Вінниця, Україна, 2023. C. 121-124.

Крикун В. А., Фомін О. О. Нелінійне моделювання об'єктів на основі динамічних нейронних мереж. Матеріали Тринадцятої Міжнародної наукової конференції студентів та молодих учених «Сучасні інформаційні технології – 2023». Одеса, Україна, 2023. С. 153-155.

Use of Dynamic Neural Networks for Modeling Nonlinear Objects with Significant Nonlinearity / O. Fomin et al. 18th Conference on Computer Science and Intelligence Systems. Warsaw, Poland, 2023. P. 97–102. DOI: 10.15439/2023F3874.

Modeling of the agricultural crops development using satellite imagery / O. Fomin et al. Біоінтенсивні та SMART-технології у тваринництві: матеріали II Міжнародної науково-практичної конференції науково-педагогічних працівників та молодих науковців. Одеса, Україна, 2023. C. 10–14.

Крикун В. А. Математична модель оцінки якості програмного забезпечення інтерпретації моделей машинного навчання. Комп’ютеризовані системи та програмні технології. 2023. № 1. С. 7–11.

Читати повністю

Файли

autoreferat-abstract_krikun.pdf

dis_krikun.pdf

Схожі дисертації

0824U002621

Забчук Вадим Володимирович

1. Математичне та програмне забезпечення для моделювання процесів у біогазових установках на основі аналізу інтервальних даних

0824U002601

Сизоненко Олександра Дмитрівна

Розроблення технології та програмних засобів виявлення та розпізнавання об'єктів у режимі реального часу

0824U002554

Молодець Богдан Володимирович

Розроблення технологій та програмного забезпечення оперативного моніторингу якості повітря

0824U002508

Антонюк Владислав Андрійович

Розроблення кросплатформної системи автоматизації процесів та взаємодії з комп'ютеризованими пристроями

0824U002458

Лемещук Олександр Ігорович

Розробка системи управління процесами якості освіти університету за допомогою сервісів