Залежність похибки прогнозування температури нейронними мережами від похибки вимірювання

Simple item page
dc.citation.epage46
dc.citation.issue4
dc.citation.journalTitleВимірювальна техніка та метрологія : міжвідомчий науково-технічний збірник
dc.citation.spage42
dc.citation.volume79
dc.contributor.affiliationНаціональний університет “Львівська політехніка”
dc.contributor.affiliationLviv Polytechnic National University
dc.contributor.authorЛопатко, О. О.
dc.contributor.authorLopatko, Olha
dc.coverage.placenameЛьвів
dc.date.accessioned2019-11-13T10:09:13Z
dc.date.available2019-11-13T10:09:13Z
dc.date.created2018-02-26
dc.date.issued2018-02-26
dc.description.abstractУ роботі подано результати дослідження залежності похибки прогнозування значення температури нейронними мережами від похибки вимірювання. Описано алгоритм створення тестових послідовностей та навчання нейронних мереж. Наведено результати дослідження залежності похибки прогнозування значення температури від мультиплікативної, нелінійної та випадкової складових похибки, а також описано результати дослідження залежності похибки прогнозування значення температури від одночасного впливу цих складових.
dc.description.abstractThe current article describes the results of the study of the neural networks temperature prediction error dependence on measurement errors, which are random, nonlinear and multiplicative errors. It is noted applicability of the architecture of neural network for temperature prediction. The formula of temperature step response for ideal sensor is given. At the very beginning an algorithm for calculating and creating test sequences for neural network training is developed. The studies described in this article are implemented in the computing environment. There are given formulas and figures of measurement errors models. After considering the measurement error, which neural networks were trained and verified with the training set. The results of the study of the temperature prediction error dependence on the multiplicative measurement error and nonlinear measurement error are presented. They allow conclude that raising the measurement errors with the prediction errors increase. As the result, for the maximal measurement error (2.5 %) an absolute temperature prediction error is achieved at the level lower than 5∙10-5 °C. The results of the similar studies of dependence on the random measurement error are presented. They underline the mentioned errors increasing with the prediction error. For random measurement error (0.5 %) absolute temperature prediction error is of 0.5 °C and for 2.5 % random measurement error absolute temperature prediction error is of 1.5 °C. It is described also the study of the temperature prediction error dependence on the aforesaid three types of measurement errors. The major conclusion of the received results (the dependences of the temperature prediction error on the measurement errors) consists in the next. The prediction temperature value slightly depends on multiplicative and nonlinear errors. In addition, the main impact on neural network temperature prediction error is caused by the random error.
dc.format.extent42-46
dc.format.pages5
dc.identifier.citationЛопатко О. О. Залежність похибки прогнозування температури нейронними мережами від похибки вимірювання / О. О. Лопатко // Вимірювальна техніка та метрологія : міжвідомчий науково-технічний збірник. — Львів : Видавництво Львівської політехніки, 2018. — Том 79. — № 4. — С. 42–46.
dc.identifier.citationenLopatko O. Dependence of neural networks temperature prediction error on measurement error / Olha Lopatko // Measuring equipment and metrology : scientific journal. — Vydavnytstvo Lvivskoi politekhniky, 2018. — Vol 79. — No 4. — P. 42–46.
dc.identifier.urihttps://ena.lpnu.ua/handle/ntb/45569
dc.language.isouk
dc.publisherВидавництво Львівської політехніки
dc.relation.ispartofВимірювальна техніка та метрологія : міжвідомчий науково-технічний збірник, 4 (79), 2018
dc.relation.ispartofMeasuring equipment and metrology : scientific journal, 4 (79), 2018
dc.relation.references1. F. Bernhard, Handbuch der technischen temperaturmessung, Springer Vieweg, 2014.
dc.relation.references2. Н. Ярышев, Теоретические основы измерения нестационарной температуры, Ленинград: Энергоатомиздат, 1990.
dc.relation.references3. D. Kriesel. A Brief, Introduction to Neural Networks, 2007. [On-line], Available: http://www.dkriesel.com/en/science/neural_networks.
dc.relation.references4. R. Bordawekar, B. Blainey, R. Puri, Analyzing Analytics. Morgan & Claypool Publishers, 2015.
dc.relation.references5. О. Лопатко, І. Микитин, “Похибки прогнозування значення температури нейронними мережами за ідеальним перехідним процесом”, Вимірювальна техніка та метрологія, вип. 78, с. 20–24, 2017.
dc.relation.references6. М. Дорожовець, В. Мотало, Б. Стадник, Основи метрології та вимірювальної техніки у двох томах, т. 1. Львів: Вид-во Нац. ун-ту “Львівська політехніка”, 2005.
dc.relation.referencesen1. F. Bernhard, Handbuch der technischen temperaturmessung, Springer Vieweg, 2014.
dc.relation.referencesen2. N. Yaryshev, Theoretical basis for measuring nonstationary temperature, Leningrad, USSR: Energoatomizdat, 1990.
dc.relation.referencesen3. D. Kriesel. A Brief, Introduction to Neural Networks, 2007. [On-line], Available: http://www.dkriesel.com/en/science/neural_networks.
dc.relation.referencesen4. R. Bordawekar, B. Blainey, R. Puri, Analyzing Analytics. Morgan & Claypool Publishers, 2015.
dc.relation.referencesen5. O. Lopatko, I. Mykytyn, “Temperature value prediction errors using neural networks and ideal transition process”, Measuring equipment and metrology, vol. 78, p. 20–24. 2017.
dc.relation.referencesen6. M. Dorozhovets, V. Motalo, B. Stadnyk, Fundamentals of metrology and measuring technique, vol. 1. Lviv, Ukraine: Publ. House Lviv Pol. Nat. Univ., 2005.
dc.relation.urihttp://www.dkriesel.com/en/science/neural_networks
dc.rights.holder© Національний університет “Львівська політехніка”, 2018
dc.subjectнейронна мережа
dc.subjectпрогнозування значення температури
dc.subjectперехідний процес
dc.subjectтемпература
dc.subjectNeural Network
dc.subjectTemperature Prediction
dc.subjectStep Response
dc.subjectTemperature
dc.titleЗалежність похибки прогнозування температури нейронними мережами від похибки вимірювання
dc.title.alternativeDependence of neural networks temperature prediction error on measurement error
dc.typeArticle

Files

Original bundle
Now showing 1 - 2 of 2
No Thumbnail Available
Name:
2018v79n4_Lopatko_O-Dependence_of_neural_networks_42-46.pdf
Size:
590.34 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
2018v79n4_Lopatko_O-Dependence_of_neural_networks_42-46__COVER.png
Size:
1.28 MB
Format:
Portable Network Graphics
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
2.96 KB
Format:
Plain Text
Description:
Download

Collections

Вимірювальна техніка та метрологія. – 2018. – Випуск 79, №4