• ВХОД

    •  

    Полное описание


     Алюнов, Дмитрий Юрьевич. Рекуррентная нейронная сеть для контроля ширины спектра нестационарного случайного сигнала = Recurrent neural network for controlling the spectrum width of a non-stationary random signal / Д. Ю. Алюнов. - DOI 10.47026/1810-1909-2023-2-5-17. - Текст : непосредственный // Вестник Чувашского университета : научный журнал. - 2023. - N 2. - С. 5-17. - Библиогр. в конце ст. - ISSN 1810-1909.
    (Шифр в БД Р3200/2023/2)
    ГРНТИ УДК
    45.31621.316.91
    28.23.37004.032.26
    621.31:004.8
    РУБ ИИ
    04.01
    07.99

    Рубрики:
    Энергетические системы
    Нейронные сети -- Применение
    Искусственный интеллект -- Применение в электроэнергетике

    Кл.слова (ненормированные): переходные процессы -- нестационарный случайный процесс, -- автокорреляция -- обработка сигналов в электротехнике -- рекуррентные нейронные сети -- искусственные нейронные сети -- нейронные сети -- нейросеть
    Аннотация: Целью исследования является разработка рекуррентной нейронной сети для обнаружения в скользящем окне момента начала переходного процесса случайного нестационарного сигнала. Исследуется возможность использования аппарата искусственных нейронных сетей в задачах анализа нестационарных случайных процессов. Быстрое обнаружение момента, в который нестационарный случайный процесс изменяет свое поведение, - актуальная задача электротехники. Приводится сравнение использования автокорреляционной функции и нейросетевого алгоритма на основе рекуррентной нейронной сети для контроля нестационарного шума. Новизна исследования заключается в разработке нового алгоритма для оценивания ширины спектра нестационарного случайного сигнала, основанного на использовании аппарата искусственных нейронных сетей. Показано, что рекуррентные нейронные сети способны качественно обрабатывать исходный сигнал, не требуют специальной предобработки, подготовки данных. Проведено исследование качества работы искусственных нейронных сетей в зависимости от параметров сигналов и размеров скользящего окна. Предложены пути совершенствования архитектуры нейронной сети, а также способы обогащения данных для повышения качества классификатора. Обнаружено, что существует оптимальное соотношение времени обнаружения изменения параметров сигнала и размера скользящего окна, которое накладывает ограничения на выбор размера последнего и методику применения обученной нейросетевой модели.
    Экз-ры полностью Р3200/2023/2
    Имеются экземпляры в отделах: всего 2 : ЧЗХР (1), ХРЦ (1)
    Свободны: ЧЗХР (1), ХРЦ (1)
    Переход по DOI



    Заказ фрагмента документа ₽