ОСОБЛИВОСТІ ДІАГНОСТИЧНИХ ШТУЧНИХ НЕЙРОННИХ МЕРЕЖ ДЛЯ ГІБРИДНИХ ЕКСПЕРТНИХ СИСТЕМ

Анотація

У запропонованій статті були досліджено різні методи побудови штучної нейронної мережі в якості однієї зі складових частин гібридної експертної системи для діагностики. Був проведений огляд зарубіжної літератури останніх років, де розглядалися гібридні експертні системи, як складова частина складних технічних систем в області безпеки. Перераховано переваги і недоліки штучних нейронних мереж, а також вказані головні проблеми при створенні гібридних експертних систем для діагностики, доводячи цим актуальність подальшої розробки штучних нейронних мереж для гібридних експертних систем. Розглянуто підходи аналізу пропозиції природної мови, який застосовується для роботи гібридних експертних систем з штучними нейронними мережами. Показана дошка оголошень, описана її структура і принцип роботи. Структура дошки оголошень ділиться на рівні і підрівні. На підрівнях застосовується коефіцієнт достовірності. Показана залежність значень коефіцієнта достовірності на виконання тієї чи іншої умови. Також описані зв'язки між рівнями і підрівнями дошки оголошень. В якості архітектури штучної нейронної мережі застосована модель «ключ-поріг», показано правило роботи нейрона. Крім цього штучна нейронна мережа має властивість навчання, заснованого на застосуванні властивості штрафу, який здатний розраховуватися в залежності від аварійності ситуації. Поведінка складної технічної системи, а також її несправні стани моделюються за допомогою моделі, яка описує структуру і поведінку даної системи. Щоб оптимізувати дані складної технічної системи, використовується еволюційний алгоритм, за допомогою якого мінімізували цільову функцію. Рішення задачі оптимізації складаються з Парето-векторів рішень. Завдання оптимізації та навчання вирішуються шляхом використання мережі Хопфілда. В цілому гібридна експертна система описується за допомогою семантичних мереж, які складаються з вершин і ребер. Еталонну модель складної технічної системи зберігають в базі знань і уточнюють під час придбання нових знань. При аварійній ситуації, або при її передумові, за допомогою нейронних мереж відбувається пошук причини і самого керувального впливу, необхідних для ліквідації аварії. Розглянуті підходи, взаємодіючи між собою, здатні поліпшити роботу діагностичних штучних нейронних мереж в разі протиаварійного керування, показуючи більш точні дані за короткий термін. Крім цього, представлено застосування подібної мережі для аналізу стану працездатності, а також прогнозування на основі даних діагностики на прикладі наведеної складної технічної системи.