Ukrainian Journal of Information Technology. – 2021. – Vol. 3, No. 1

Permanent URI for this collectionhttps://ena.lpnu.ua/handle/ntb/57760

Науковий журнал

Видання "Український журнал інформаційних технологій" засновано у 2018 р. за рішенням вченої ради Інституту комп'ютерних наук та інформаційних технологій від 23 квітня 2018 р. Журнал є правонаступником збірника наукових праць "Вісник Національного університету "Львівська політехніка". Серія: Комп'ютерні науки та інформаційні технології", який входить до переліку фахових видань ВАК України, в яких можна друкувати матеріали дисертаційних робіт у галузі технічних наук.

Український журнал інформаційних технологій. – Львів : Видавництво Львівської політехніки, 2021. – Том 3, № 1. – 124 с. : il.

Український журнал інформаційних технологій

Зміст (том 3, № 1)


1
8
15
22
30
37
44
49
56
63
73
78
85
91
99
106
114
120
122

Content (Vol. 3, No 1)


1
8
15
22
30
37
44
49
56
63
73
78
85
91
99
106
114
120
122

Browse

Author: search.filters.author.Teslyuk, V. M.Subject: search.filters.subject.artificial neural network (ANN)

Search Results

Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    Вибір оптимальної структури прихованих шарів штучної нейронної мережі для аналізу ефективності енергоспоживання
    (Видавництво Львівської політехніки, 2021-10-10) Казарян, А. Г.; Теслюк, В. М.; Казимира, І. Я.; Kazarian, A. G.; Teslyuk, V. M.; Kazymyra, I. Ya.; Національний університет “Львівська політехніка”; Lviv Polytechnic National University
    Розроблено метод вибору оптимальної структури прихованих шарів штучної нейронної мережі (ШНМ), ідеєю якого є практичне застосування декількох внутрішніх структур ШНМ і розрахунку похибки роботи кожної структури прихованих шарів із використанням ідентичних наборів даних для навчання ШНМ, що виключає вплив специфіки даних у навчальній вибірці на результати роботи алгоритму. Метод ґрунтується на почерговому порівнянні очікуваних результуючих значень і реальних результатів роботи штучних нейронних мереж прямого поширення із різною кількістю внутрішніх шарів, а також різною кількістю нейронів на кожному шарі. Метод дає змогу реалізувати пошук оптимальної внутрішньої структури ШНМ для застосування у сфері розроблення систем “розумного” будинку і розрахунку оптимального рівня енергоспоживання відповідно до поточних умов, таких як температура у приміщеннях, присутність людей та час доби. Застосування методу на початкових стадіях розроблення систем “розумного” будинку дає змогу зменшити часові витрати на вибір ефективної структури ШНМ і приділити більше уваги взаємозв’язкам між вхідними та вихідними даними, а також таким важливим параметрам процесу навчання ШНМ, як кількість ітерацій тренування, мінімальна помилка тренування тощо. Розроблено програмне забезпечення, що дає змогу провести процеси навчання, випробування та отримати вихідні результати роботи алгоритму штучної нейронної мережі, такі як очікуване значення енергоспоживання та час роботи кожного окремого електроприладу. Виявлено недолік використаного підходу знаходження оптимальної внутрішньої структури ШНМ, який полягає у тому, що кожна наступна структура створюється на основі найефективнішої з попередньо створених структур, без аналізу інших структур, що показали гірші результати за меншої кількості прихованих шарів. З’ясовано, що для удосконалення розв’язання цієї задачі необхідно створити механізм, який ґрунтуватиметься на аналізі вхідних даних, вихідних даних, аналізуватиме внутрішні взаємозв’язки між параметрами та оптимізуватиме структуру мережі на кожному етапі за допомогою визначених логічних правил відповідно до результатів, отриманих на попередньому кроці. Встановлено, що вирішення поставленої проблеми є задачею нелінійного програмування, яку можна розв’язати, розвиваючи надалі це дослідження.