Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Tytuł pozycji:

Strojenie sieci neuronowej niezawodności systemu na podstawie opinii ekspertów

Tytuł:
Strojenie sieci neuronowej niezawodności systemu na podstawie opinii ekspertów
Autorzy:
Brandowski, A.
Nguyen, H.
Data publikacji:
2014
Słowa kluczowe:
strojenie sieci neuronowej
niezawodność systemu
opinia ekspertów
korelacja danych
metoda AHP
skala potęgowa
neural network
reliability
elicitation
AHP method
expert judgment
data correlation
Język:
polski
Dostawca treści:
BazTech
Artykuł
  Przejdź do źródła  Link otwiera się w nowym oknie
W artykule przedstawiono metodę strojenia sieci neuronowej, odpowiednią w analizach niezawodności systemów antropotechnicznych, opartą na opiniach ekspertów – praktyków eksploatacji. Przeprowadzono numeryczno-lingwistyczną elicytację tych opinii, które okazały się nieskorelowane i nie nadawały do strojenia sieci. Do przetwarzania danych zastosowano metodę AHP z odpowiednią przyjętą skalą i metodą aproksymacji macierzy ocen. Przeprowadzono analizy korelacji zbiorów otrzymanych danych wejściowych i wyjściowych sieci oraz uchybu metody przetwarzania danych. Wyniki przedstawiono w przykładzie elicytacji i analizy korelacji danych sieci niezawodności systemu napędowego statku morskiego.
The article presents a method for tuning neural network, appropriate in the analysis of the anthrop technical system reliability, based on the opinions of experts – practitioners operation. The numerical-linguistic elicitation of these opinions was carried out, which turned out to be uncorrelated and not suitable for tuning the network. Data processing method was used with the appropriate adopted AHP scale and matrix approximation method evaluations. Correlation analyzes were performed for received input and output data of network and error of data processing method was determined. The results are shown in the example of elicitation and data correlation analyzes for tuning the reliability neural network of the ship propulsion system.

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies