Please use this identifier to cite or link to this item: http://ena.lp.edu.ua:8080/handle/ntb/25915
Title: Прогнозування ймовірності роботи та відмови за заданої умови готовності симетричних ієрархічних систем, галужених до 4-го рівня, за допомогою штучних нейронних мереж
Authors: Павлюк, О.
Bibliographic description (Ukraine): Павлюк О. Прогнозування ймовірності роботи та відмови за заданої умови готовності симетричних ієрархічних систем, галужених до 4-го рівня, за допомогою штучних нейронних мереж / О. Павлюк // Вісник Національного університету "Львівська політехніка". – 2014. – № 800 : Комп’ютерні науки та інформаційні технології. – С. 72–77. – Бібліографія: 7 назв.
Issue Date: 2014
Publisher: Видавництво Львівської політехніки
Keywords: ієрархічна розгалужена система
штучна нейронна мережа
прогнозування
неітераційне навчанняШНМ
ШНМ з “вузьким горлом”
hierarchical branched system
artificial neural network forecasting
noniterational training ANN
ANN with “bottles neck”
Abstract: Запропоновано програмний модуль для розрахунку ймовірності роботи та відмови за заданої умови готовності ізотропних симетричних ієрархічних розгалужених систем (ІРС) з галуженням до n-го рівня, елементи якої підпорядковуються експоненційному закону. Здійснено прогнозування цих характеристик надійності за допомогою неітераційної штучної нейронної мережі (ШНМ). Розраховано середньоквадратичну приведену до діапазону значень похибку навчання і прогнозу, а також оцінено час навчання та прогнозуванняШНМ. The software module is developed. By the specified readiness parameters it calculates probabilities of the proper operation and failure-ability for the isotropic symmetric and hierarchical branched systems (HBS).The module is tested/restricted against the systems of the n-level branching whose elements obey the exponential rules. The non-iterative artificial neural network (ANN) has been deployed to the prediction of those characteristics. The reduced to the mean value range errors of the ANN learning and forecasting are calculated as well as the time estimations for the ANN learning and forecasting.
URI: http://ena.lp.edu.ua:8080/handle/ntb/25915
Content type: Article
Appears in Collections:Комп'ютерні науки та інформаційні технології. – 2014. – №800

Files in This Item:
File Description SizeFormat 
12-72-77.pdf961,23 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.