Розроблення моделі ідентифікації стану різнорідних динамічних об’єктів
DOI:
https://doi.org/10.33099/2311-7249/2023-46-1-18-22Ключові слова:
різнорідні динамічні об’єкти, складні технічні системи, комплексний аналіз, обробка різнотипних данихАнотація
Технології штучного інтелекту активно застосовуються для вирішення загальних і вузькоспеціалізованих завдань. У процесі оцінювання (ідентифікації) стану складних і різнорідних об’єктів є високий ступінь апріорної невизначеності стосовно їх стану та малий обсяг вихідних даних, що їх описують. Тенденції збройних конфліктів останніх десятиліть, а також закономірності розвитку інформаційних систем переконливо свідчать про необхідність зміни підходів до збору інформації від різнотипних джерел та їх аналізу. Відбувається постійна трансформація форм подання інформації і порядку зберігання та доступу до різнотипних даних. Невирішеною повністю також є проблема інтеграції різнорідних джерел збору інформації в єдиний інформаційний простір. Саме тому, питання підвищення оперативності оцінювання стану складних і різнорідних динамічних об’єктів є важливим та актуальним питанням. Об’єктом дослідження є різнорідні динамічні об’єкти, а предметом – ідентифікація стану різнорідних динамічних об’єктів. У статті розроблену модель ідентифікації стану різнорідних динамічних об’єктів. Новизна запропонованої методики полягає у: врахуванні ступеня невизначеності про стан різнорідного динамічного об’єкту; врахуванні ступеня зашумленості даних у результаті викривлення даних, що характеризують стан різнорідного динамічного об’єкту; зменшенні обчислювальних витрат з оцінювання стану різнорідних динамічних об’єктів; можливості проведення розрахунків із вихідними даними, що є різні за природою та одиницями вимірювання. Зазначену методику доцільно реалізувати у спеціалізованому програмному забезпеченні, яке використовується для аналізу стану складних технічних систем та прийнятті рішень.
Посилання
Шишацький А. В., Башкиров О. М., Костина О. М. Розвиток інтегрованих систем зв’язку та передачі даних для потреб Збройних Сил. Озброєння та військова техніка. 2015. № 1(5). С. 35–40.
Dudnyk V., Sinenko Yu., Matsyk M., Demchenko Ye., Zhyvotovskyi R., Repilo Iu., Zabolotnyi O., Simonenko A., Pozdniakov P., Shyshatskyi A. Development of a method for training artificial neural networks for intelligent decision support systems. Eastern-European Journal of Enterprise Technologies. 2020. Vol. 3. № 2(105). P. 37–47. DOI: https://doi.org/10.15587/1729-4061.2020.203301.
Sova O., Shyshatskyi A., Salnikova O., Zhuk O., Trotsko O., Hrokholskyi Y. Development of a method for assessment and forecasting of the radio electronic environment. EUREKA: Physics and Engineering. 2021. № 4. P. 30–40. DOI: https://doi.org/10.21303/2461-4262.2021.001940.
Pievtsov H., Turinskyi O., Zhyvotovskyi R., Sova O., Zvieriev O., Lanetskii B., Shyshatskyi A. Development of an advanced method of finding solutions for neuro-fuzzy expert systems of analysis of the radioelectronic situation. EUREKA: Physics and Engineering. 2020. № 4. P. 78–89. DOI: https://doi.org/10.21303/2461-4262.2020.001353.
Zuiev P., Zhyvotovskyi R., Zvieriev O., Hatsenko S., Kuprii V., Nakonechnyi O., Adamenko M., Shyshatskyi A., Neroznak Y., Velychko V. Development of complex methodology of processing heterogeneous data in intelligent decision support systems. Eastern-European Journal of Enterprise Technologies. 2020. Vol. 4. № 9(106). Р. 14‒23. DOI: https://doi.org/10.15587/1729-4061.2020.208554.
Shyshatskyi A., Zvieriev O., Salnikova O., Demchenko Ye., Trotsko O., Neroznak Ye. Complex Methods of Processing Different Data in Intellectual Systems for Decision Support System. International Journal of Advanced Trends in Computer Science and Engineering. 2020. Vol. 9. № 4. P. 5583‒5590. DOI: https://doi.org/10.30534/ijatcse/2020/206942020.
Yeromina N., Kurban V., Mykus S., Peredrii O., Voloshchenko O., Kosenko V., Kuzavkov V., Babeliuk O., Derevianko M., Kovalov H. The Creation of the Database for Mobile Robots Navigation under the Conditions of Flexible Change of Flight Assignment. International Journal of Emerging Technology and Advanced Engineering. 2021. Vol. 11. Iss. 05. P. 37‒41. DOI: https://doi.org/10.46338/ijetae0521_05.
Ротштейн А. П. Интеллектуальные технологии идентификации: нечёткие множества, генетические алгоритмы, нейронные сети. Винница : «УНИВЕРСУМ», 1999. 320 с.
Ramaji I. J., Memari A. M. Interpretation of structural analytical models from the coordination view in building information models. Automation in Construction. 2018. Vol. 90. P. 117–133. DOI: https://doi.org/10.1016/j.autcon.2018.02.025.
Pérez-González C. J., Colebrook M., Roda-García J. L., Rosa-Remedios C. B. Developing a data analytics platform to support decision making in emergency and security management. Expert Systems with Applications. 2019. Vol. 120. P. 167–184. DOI: https://doi.org/10.1016/j.eswa. 2018.11.023.
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:
1. Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
2. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати як монографію), за умови збереження посилання на першу публікацію роботи у цьому журналі.
3. Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
4. Персональні дані і метадані, які наводяться у статтях, надаються для їх зберігання і оброблення в різноманітних базах даних і інформаційних системах, включення їх в аналітичні і статистичні звітності, створення обгрунтованих взаємозв'язків об'єктів творів науки, літератури і мистецтва з персональними даними і т.п. на території, яка не обмежена.