Вісники та науково-технічні збірники, журнали
Permanent URI for this communityhttps://ena.lpnu.ua/handle/ntb/12
Browse
Search Results
Item Neural network model for identification of material creep curves using CUDA technologies(Видавництво Львівської політехніки, 2019-09-26) Соколовський, Я. І.; Шиманський, В. М.; Мокрицька, О. В.; Харко, Я. В.; Sokolovskyy, Ya. I.; Shymanskyi, V. M.; Mokrytska, O. V.; Kharko, Ya. V.; Національний лісотехнічний університет України; Ukrainian National Forestry UniversityЦя робота присвячена проблемі ідентифікації реологічних параметрів деревини з використанням штучних нейронних мереж з розпаралеленим алгоритмом навчання за допомогою мови програмування Python, фреймворку Chainer та технології CUDA. Розроблено інтелектуальну систему ідентифікації реологічних параметрів деревини. Створена система містить максимально зрозумілий інтерфейс користувача, весь необхідний комплекс інструментів для автоматизації процесу візуалізації та аналізу даних. У процесі створення інтелектуальної системи було передбачено вирішення наступних завдань: провести аналіз систем штучного інтелекту та аналіз навчання штучних нейронних мереж, зокрема багатошарових нейронних мереж прямого поширення, рекурентної нейронних мереж та нейронної мережі Кохонена; дослідити структуру фреймворку Chainer та його взаємодію з CUDA; провести аналіз існуючих хмарних технологій для реалізації завдання; провести аналіз алгоритмів навчання штучних нейронних мереж, їхнє математичне забезпечення; здійснити розпаралелення алгоритмів навчання та розробити необхідне програмне забезпечення. Використання Chainer дає змогу створювати пул пам'яті для розподілу пам'яті GPU. Щоб уникнути розподілу та вилучення пам'яті під час обчислень, Chainer надає можливість використовувати пул пам'яті CuPy як стандартний розподіл пам'яті не маючи справу з розподілом пам'яті. Для визначення фізико-механічних параметрів математичної моделі неізотермічного вологоперенесення та в'язко-пружного деформування капілярно-пористих матеріалів у процесі сушіння розроблено інтелектуальну систему. Вона надає можливість провести ідентифікацію параметрів ядер повзучості та релаксації, що записується як лінійна комбінація експоненціальних операторів. Запропонований алгоритм апроксимації та отримані розрахункові співвідношення реологічної поведінки деревини за допомогою багатошарової нейромережі з експоненціальними функціями активації у прихованих шарах дає змогу підвищити точність апроксимації експериментальних даних повзучості. Розроблені математичні моделі можуть бути використані для створення систем автоматизованого скінченно-різницевого розрахунку температури, вологовмісту та компонент напружень під час сушіння капілярно-пористих матеріалів з урахуванням технологічних параметрів агента сушіння.