dc.contributor.author | Махотіло, К. В. | uk |
dc.contributor.author | Makhotilo, K. V. | en |
dc.contributor.author | Махотило, К. В. | ru |
dc.date.accessioned | 2016-06-15T07:39:33Z | |
dc.date.available | 2016-06-15T07:39:33Z | |
dc.date.issued | 2016 | |
dc.identifier.citation | Махотіло К. В. Поетапний синтез зростаючої модульної нейронної мережі для регулятора температури теплоносія на ТЕЦ [Текст] / К. В. Махотіло // Вісник Вінницького політехнічного інституту. - 2016. - № 1. - С. 9-17. | uk |
dc.identifier.issn | 1997-9266 | |
dc.identifier.issn | 1997-9274 | |
dc.identifier.uri | http://ir.lib.vntu.edu.ua/handle/123456789/12021 | |
dc.identifier.uri | http://visnyk.vntu.edu.ua/index.php/visnyk/article/view/1869 | |
dc.description.abstract | Розглянуто використання зростаючих модульних нейронних мереж для поетапного синтезу нейромережевого регулятора температури теплоносія на ТЕЦ. Запропоновано архітектуру зростаючої модульної нейромережі на базі тришарового перцептрона, що дозволяє виконувати навчання модулів мережі за допомогою генетичного алгоритму. На прикладі тестової задачі показано скорочення часу та підвищення точності навчання зростаючої нейромережі у порівнянні з нейромережею фіксованої архітектури. На базі запропонованого типу зростаючої мережі успішно розв’язано задачу синтезу нейрорегулятора температури теплоносія на ТЕЦ, який забезпечує заданий добовий відпуск тепла і стабільну середньогодинну температуру зворотного теплоносія. | uk |
dc.description.abstract | The paper considers the use of growing modular neural networks for incremental synthesis of the neurocontroller of supply water temperature at CHP-plant. There has been proposed the architecture of the growing modular neural networks on the basis of a three-layer perceptron, allowing the network modules training using genetic algorithm. For test problem it is shown that the training time of growing neural network reduced and its accuracy increased compared to a fixed architecture neural network. The problem of CHP–plant supply water temperature neurocontroller synthesis that provides a reference daily heat output and stable hourly temperature of the return water is successfully solved on the basis of the proposed type of growing network. | en |
dc.description.abstract | Рассмотрено использование растущих модульных нейронных сетей для поэтапного синтеза нейросетевого регулятора температуры теплоносителя на ТЭЦ. Предложена архитектура растущей модульной нейросети на базе трехслойного перцептрона, позволяющая выполнять обучение модулей сети с помощью генетического алгоритма. На примере тестовой задачи показано сокращение времени и повышение точности обучения растущей нейросети по сравнению с нейросетью фиксированной архитектуры. На базе предложенного типа растущей сети успешно решена задача синтеза нейрорегулятора температуры теплоносителя на ТЭЦ, обеспечивающего заданный суточный отпуск тепла и стабильную среднечасовую температуру обратного теплоносителя. | ru |
dc.language.iso | uk_UA | uk_UA |
dc.publisher | ВНТУ | uk |
dc.subject | зростаюча модульна нейронна мережа | uk |
dc.subject | генетичний алгоритм | uk |
dc.subject | нейрорегулятор | uk |
dc.subject | температура теплоносія | uk |
dc.subject | ТЕЦ | uk |
dc.subject | growing modular artificial neural network | en |
dc.subject | genetic algorithm | en |
dc.subject | neurocontroller | en |
dc.subject | supply water temperature controller | en |
dc.subject | CHP-plant | en |
dc.subject | растущая модульная нейронная сеть | ru |
dc.subject | генетический алгоритм | ru |
dc.subject | нейрорегулятор | ru |
dc.subject | температура теплоносителя | ru |
dc.subject | ТЭЦ | ru |
dc.title | Поетапний синтез зростаючої модульної нейронної мережі для регулятора температури теплоносія на ТЕЦ | uk |
dc.title.alternative | Incremental synthesis of growing modular neural network for CHP-plant supply water temperature controller | en |
dc.title.alternative | Поэтапный синтез растущей модульной нейронной сети для регулятора температуры теплоносителя на ТЭЦ | ru |
dc.type | Article | |
dc.identifier.udc | 519.7: 681.5 | |