Оригинальные учебные работы для студентов


Диссертации с использованием искусственных нейронных сетей

Соболь Борис Владимирович Официальные оппоненты: Автореферат разослан 2014 года. Развитие науки и техники связано, в том числе, с использованием новых материалов и развитием техники неразрушающего контроля.

  • Значительный вклад в постановку и разработку методов решения обратных задач теории упругости, в том числе, идентификации дефектов, внесли российские и зарубежные исследователи;
  • В области механики деформируемого твёрдого тела;
  • Проведены широкомасштабные расчеты, подтверждающие эффективность разработанных методов и программ;
  • Таким образом, не требуется вручную определять параметры модели выбирать ключевые признаки, учитывать их взаимоотношение и т;
  • При смешанном обучении часть весов определяется посредством обучения с учителем, в то время как остальная получается с помощью самообучения.

Эти два аспекта позволяют создавать высокотехнологические конструкции и устройства, а также позволяют повышать безопасность техники в различных областях, включая: Использование новых материалов выдвигает задачу определения их механических свойств, без знания диссертации с использованием искусственных нейронных сетей невозможно провести предварительные расчеты конструкций и устройств, а, следовательно, выбрать их оптимальные размеры и сочетания материалов.

Разработка высокоточных методов неразрушающего контроля позволит создать новое поколение приборов мониторинга поврежденного состояния ответственных элементов конструкций или самих систем, таких как, трубопроводы.

Это, в свою очередь, позволит сократить риски их разрушения в эксплуатационных режимах избежать возможных катастроф, в первую очередь, связанных с экологической безопасностью.

В частности, определение диссертации с использованием искусственных нейронных сетей в трубах является важнейшей задачей, потому что в настоящее время в России и в других странах мира трубопроводный транспорт играет важную роль в энергообеспеченности и энергобезопасности. При взаимодействии с окружающей средой, в том числе активной для подводных объектов, возникающая коррозия приводит к появлению дефектов, которые вовремя должны быть идентифицированы и устранены.

Отмеченные задачи могут быть сформулированы как коэффициентные и геометрические обратные задачи теории упругости, решение которых, как известно, связано с трудностями по преодолению их некорректности. Все это определяет актуальность развития методов решения обратных задач теории упругости их реализации в программном обеспечении приборов неразрушающего контроля.

  1. В настоящее время разработаны мощные, гибкие и универсальные механизмы обучения различных типов нейронных сетей. В этом случае раскрывается внутренняя структура данных или корреляции между образцами в системе данных, что позволяет распределить образцы по категориям.
  2. Кроме того, в работе применяются численные методы, позволяющие оценить погрешность полученных результатов, а также сертифицированные САЕ пакеты, в которых эти методы реализованы. Работа содержит 173 страницы 188 страниц вместе с приложением машинописного текста, в том числе 77 рисунков, 47 таблиц.
  3. В первой главе приводится классификация прямых и обратных задач теории упругости, при этом особое внимание уделяется обратным коэффициентным и геометрическим задачам, которые решаются в настоящей работе. При смешанном обучении часть весов определяется посредством обучения с учителем, в то время как остальная получается с помощью самообучения.
  4. При создании программного обеспечения использованы методы, позволяющие распределить вычисления, связанные с решением прямых задач и обучением ИНС. В этом случае раскрывается внутренняя структура данных или корреляции между образцами в системе данных, что позволяет распределить образцы по категориям.

Одним из подходов решения обратных задач теории упругости, получившим большое распространение в последнее время, диссертации с использованием искусственных нейронных сетей сочетание методов конечных элементов МКЭ искусственных нейронных сетей ИНС. В том случае, когда дополнительная информация для решения обратной задачи может быть представлена в комплексном виде, перспективным направлением, ранее мало применяемым для задач механики, является использование комплекснозначных искусственных нейронных сетей КИНС.

Настоящее исследование направлено на разработку таких методов и программ, что и определяет его актуальность. Значительный вклад в постановку и разработку методов решения обратных задач теории упругости, в том числе, идентификации дефектов, внесли российские и диссертации с использованием искусственных нейронных сетей исследователи: Над развитием теории и алгоритмов распределённых вычислений работали: Основными целями настоящей работы являются.

Для достижения этой цели необходимо решить следующие проблемы: Проведенные исследования связаны с разработкой методов и программ, на основе которых могут быть созданы диагностические устройства идентификации механических свойств материалов и приборы неразрушающего контроля технических объектов, в частности, для мониторинга поврежденного состояния трубопроводов в их рабочем состоянии. Исследование проведено на основе методов математического моделирования технических объектов и устройств, в рамках линейной теории упругости и электроупругости, а также акустического приближения динамики жидкости.

  • Настройка нейронной сети для решения определённой задачи производиться в процессе обучения на наборе тренировочных примеров;
  • Развитие науки и техники связано, в том числе, с использованием новых материалов и развитием техники неразрушающего контроля.

Рассмотренные проблемы сформулированы как краевые и начально-краевые задачи. В качестве метода решения обратных задач использовано построение зависимости между определенной информацией об исследуемом объекте и данными о его механических свойствах или имеющихся дефектах на основе обучения Диссертации с использованием искусственных нейронных сетей. При создании программного обеспечения использованы методы, позволяющие распределить вычисления, связанные с решением прямых задач и обучением ИНС.

Достоверность полученных результатов и выводов основана на использовании строгих математических моделей упругих, электроупругих тел и акустических сред, использования архитектур ИНС, хорошо зарекомендовавших себя в решении подобных проблем.

Кроме того, в работе применяются численные методы, позволяющие оценить погрешность полученных результатов, а также сертифицированные САЕ пакеты, в которых эти методы реализованы.

Проведены широкомасштабные расчеты, подтверждающие эффективность разработанных методов и программ. Научная новизна работы заключается в следующем: В области механики деформируемого твёрдого тела: В области математического моделирования: В области численных методов: В области создания диссертации с использованием искусственных нейронных сетей программ: На защиту выносятся следующие результаты работы: Основные положения и результаты диссертации докладывались и обсуждались на Международной конференции "Моделирование и анализ информационных систем" Ярославль, 2012 г.

Ростов-на-Дону, ЮФУ, 2013, 2014 г. Основное содержание работы отражено в 13 работах, опубликованных в открытой печати, из них 6 - публикации в рецензируемых научных журналах изданиях, определенных ВАК РФ в научных иностранных изданиях -1докладов на научных конференциях - 6, свидетельство - 1.

В публикациях по диссертации автору диссертации с использованием искусственных нейронных сетей в [3-6, 8-10, 11, 12] моделирование на основе применения конечно-элементного пакета ANSYS.

В [1,2,7,8,13] автором было разработано ядро системы, а также основной функционал и разработка программ.

1.2.1 Искусственные нейронные сети в системах распознавания

В работе [7] был предложен алгоритм параллельного обучения ИНС. Диссертационная работа состоит из введения, 5 глав, заключения, списка литературы, приложения. Работа содержит 173 страницы 188 страниц вместе с приложением машинописного текста, в том числе 77 рисунков, 47 таблиц. Список литературы из 198 наименований. В первой главе приводится классификация прямых и обратных задач теории диссертации с использованием искусственных нейронных сетей, при этом особое внимание уделяется обратным коэффициентным и геометрическим задачам, которые решаются в настоящей работе.

Диссертации с использованием искусственных нейронных сетей проведен обзор литературы, содержащий более 120 отечественных и зарубежных источников, в которых рассмотрены подходы различных авторов к решению обратных задач теории упругости с помощью ИНС или КИНС. Обсуждаются архитектуры ИНС и дополнительная информация, необходимая для решения обратных задач по определению физических свойств материалов идентификации различного рода дефектов.

  1. Не требуется никакого предварительного изучения характера данных. Первая, основу каждой нейронной сети составляют относительно простые, в большинстве случаев - однотипные, элементы ячейки , имитирующие работу нейронов мозга.
  2. Естественным образом архитектура нейронных сетей реализуется на параллельных вычислительных средствах. В области численных методов.
  3. В первом случае нейронная сеть располагает правильными ответами выходами сети на каждый входной пример. Диссертационная работа состоит из введения, 5 глав, заключения, списка литературы, приложения.
  4. Рассмотренные проблемы сформулированы как краевые и начально-краевые задачи. Разработка высокоточных методов неразрушающего контроля позволит создать новое поколение приборов мониторинга поврежденного состояния ответственных элементов конструкций или самих систем, таких как, трубопроводы.
  5. Преимуществом использования нейросетей для решения задачи обнаружения лица является возможность получения классификатора, хорошо моделирующего сложную функцию распределения изображений лиц р х face.

Отмечается, что такая дополнительная информация может быть получена на основе измерений электрических токов, магнитных потоков или из рентгеновских снимков. Другой способ получения дополнительной информации предполагает измерения мехашгческих величин - смещений, ускорений и температуры. В настоящей работе для решения обратных коэффициентных и геометрических задач используется второй подход, связанный с измерением АЧХ и АВХ смещений на границе тела и электрического потенциала на свободном электроде пьезоэлектрического сенсора.

VK
OK
MR
GP