Полное описание

Ломовцева, Н. А. Диагностика состояния технического объекта с помощью классификации методами машинного обучения / Н. А. Ломовцева, Ю. Е. Кувайскова, В. Н. Клячкин. - DOI 10.15827/0236-235X.136.572-578. - Текст : непосредственный // Программные продукты и системы : международный научно-практический журнал. - 2021. - Том 34, N 4. - С. 572-578. - Библиогр. в конце ст.

ГРНТИ	УДК
28.23	519.248:658.518.5
55.30.51	004.85

Рубрики:
Машинное обучение -- Диагностические приборы, аппараты и инструменты

Кл.слова (ненормированные): техническая диагностика -- многоклассовая классификация -- кросс-валидация -- агрегированный подход -- навигация робота
Аннотация: Для обеспечения безопасности и надежности функционирования сложных технических систем необходима их диагностика. Иногда она сводится лишь к разделению объектов на исправные и неисправные: проводится бинарная классификация методами машинного обучения по прецедентам (с учителем). Однако часто требуется более детальное исследование, когда состояние объекта нельзя отнести к этим двум вариантам. В таком случае проводится многоклассовая классификация состояний объекта. Как и при бинарной классификации, здесь могут эффективно применяться методы машинного обучения. Полученная по результатам предварительных испытаний выборка разбивается на две части - обучающую и тестовую. Обучающая предназначена для построения моделей, с помощью которых объекты разделяются на заданное количество классов. Предполагается, что есть определенная связь между показателями функционирования объекта и его состояниями. На основе обучающей выборки необходимо построить алгоритм, обеспечивающий для заданного набора показателей функционирования достаточно точную оценку состояния объекта. Разработана программа многоклассовой классификации для построения модели алгоритма, обеспечивающей надежную диагностику состояния объекта. Для исключения переобучения использована кросс-валидация. Оцениваемые три меры качества построенных моделей позволяют учесть особенности обучающей выборки, при этом применяются различные типы классификаторов. В качестве численного примера рассмотрена навигация робота: по результатам показаний 24 датчиков расстояний определяется одно из четырех направлений его перемещения.
Доп. точки доступа:
Кувайскова, Ю.Е.
Клячкин, В.Н.


Нет сведений об экземплярах
Держатели документа:
Государственная публичная научно-техническая библиотека России : 123298, г. Москва, ул. 3-я Хорошевская, д. 17 (Шифр в БД-источнике (KATBW): -866700-537642)

Шифр в сводном ЭК: f6c5fd10f08dafd595db4f157a95f06f

Заказать
Заказ фрагмента документа ₽