• ВХОД

    •  

    Полное описание


     Грачев, Александр Викторович. Применение нейросетевых технологий для прогнозирования состояния работы объектов предприятий АПК = Neural Network Technologies in Predicting the Operating Status of Agricultural Enterprises / А. В. Грачев. - DOI 10.21603/2074-9414-2023-4-2481. - Текст : непосредственный // Техника и технология пищевых производств = Food Processing: Techniques and Technology : научный журнал. - 2023. - Том 53, N 4. - С. 816-823. - Библиогр. в конце ст. - ISSN 2074-9414.
    (Шифр в БД У3907/2023/53/4)
    ГРНТИ УДК
    06.71.0763:004.8
    28.23.37338.436.33
    004.032.26-049.8

    Рубрики:
    Искусственный интеллект -- Применение в сельском хозяйстве
    Аграрно-промышленные комплексы
    Нейронные сети -- Применение

    Кл.слова (ненормированные): нейронные сети -- машинное обучение -- многослойный персептрон -- статистика -- прогнозирование -- модели -- сельское хозяйство -- оборудование
    Аннотация: Сегодня активно ведется цифровизация объектов и производственных процессов АПК. Актуальным является поиск унифицированных подходов для применения цифровых технологий в АПК. Популярность нейросетевых методов обусловлена их результативностью в различных областях IT. Цель работы - исследовать с помощью нейросетей реализацию подхода к использованию оценки состояния объекта инфраструктуры АПК на основе анализа статистики его работы. Объектами являлись данные технических устройств из производственного цикла предприятия АПК. Исследование провели на примере объектов фасовочного оборудования как единого объекта и теплицы как объекта с набором характеристик. Использовали искусственные нейронные сети. Задача состоит в выделении факторов, описывающих объект АПК или часть его свойств, которые соответствуют определенной задаче, для прогнозирования его состояния с целью принятия управленческих решений. Выделили пять факторов, которые описывают состояние объекта. Сформировали модель, элементы которой используются в качестве выходных данных для нейросети. Данная модель рассчитывает прогнозное состояние объекта. Провели пробные исследования на ограниченном наборе данных на многослойном персептроне. В рамках работы с малым набором данных нейросеть показала хорошие результаты при оценке определенного объекта. Средняя квадратическая ошибка обученной нейросети составила 0,1216, среднемодульное отклонение - 0,0911. Исследования показали возможность применения оценивающих нейросетей в системах поддержки принятия управленческих решений. Результаты могут быть использованы как вариант применения современных нейросетевых технологий в АПК в работе контрольно-управленческих и диспетчерских задач. Дальнейшие исследования направлены на изучение паттернов работы отдельных устройств.
    Экз-ры полностью У3907/2023/53/4
    Имеются экземпляры в отделах: всего 1 : ЧЗХР (1)
    Свободны: ЧЗХР (1)
    Заказаны экз-ры для отделов: ХРЦ

    Переход по DOI



    Заказ фрагмента документа ₽