|
eaDonNTU, Donetsk >
Научные труды ДонНТУ >
Серія: Обчислювальна техніка та автоматизація >
Випуск 2 (25)'2013 >
Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://ea.donntu.ru/handle/123456789/22873
|
| Название: | ІНФОРМАЦІЙНО-УПРАВЛЯЮЧІ СИСТЕМИ БІОТЕХНІЧНИМИ ОБ’ЄКТАМИ З ІНТЕЛЕКТУАЛЬНИМИ ПІДСИСТЕМАМИ |
| Другие названия: | Information and Control Systems of Biotechnological Objects with Intelligent Subsystems
Информационно-управляющие системы биотехническими объектами с интеллекту- альными подсистемами |
| Авторы: | Винниченко, М.Г.
Решетюк, В.М.
Штепа, В.М.
Vinnichenko, M.G.
Reshetyuk, V.M.
Shtepa, V.M.
Винниченко, Н.Г.
Решетюк, В.М.
Штепа, В.М. |
| Ключевые слова: | информационно-управляющая система
нейронная сеть
биотехнический объект
фильтрация
принятия решений
information-management system
neural network
biotechnical object
filtering
decision-making
інформаційно-управляюча система
нейронна мережа
біотехнічний об’єкт
фільтрація
прийняття рішень |
| Дата публикации: | 2013 |
| Издатель: | Донецький національний технічний університет |
| Библиографическое описание: | Наукові праці Донецького національного технічного університету. Серія: Обчислювальна техніка та автоматизація. Випуск 2 (25). - Донецьк, ДонНТУ, 2013. С - 190-196 |
| Аннотация: | Проаналізовано існуючі архітектури та системи контролю біотехнологічних виробництв,
запропонувано власну архітектуру нейронної мережі для підтримки модулів прийняття рі-
шень. Для усунення шумів інформаційного каналу розроблено фільтр на основі перетворення Гільберта-Хуанга. |
| Описание: | The existing architecture and biotechnology control facilities systems were analyzed in the article. The neural network architecture is offered to support decision-making units. To eliminate information channel’s noise components the Hilbert-Huang transformation filter was designed. Improvement of biotechnological objects systems’ architecture management was reached by including neural network blocks into intelligent subsystem decision-making processes due to the content of biological
objects. This will expand the list of effectively processed natural disturbances and ensure the sale profit increase of the products produced with minimizing energy costs for maintenance. The combination of recognition systems and Bayes networks lead to the sensitivity rising before
image changing. Due to the fact that information and control systems architecture of biotechnical facilities was added to neural network forecasting unit, when dealing with stationary (quasistationary)
time series, we managed to achieve sufficient depth forecast. However, this approach did not work in non-stationary time series. This led to the before filter input signal usage. Overall, the effectiveness of such control systems depends on the functional characteristics of two components: biological and technical. |
| URI: | http://ea.donntu.edu.ua/handle/123456789/22873 |
| ISSN: | 2075-4272 |
| Располагается в коллекциях: | Випуск 2 (25)'2013
Статьи кафедры ЭТ
|
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.
|
