Применение искусственной нейронной сети для классификации телеметрических данных в системах сжатия


https://doi.org/10.15217/issn1684-8853.2016.3.2

Полный текст:


Аннотация

Постановка проблемы: адаптивные по алгоритму системы сжатия данных включают в свой состав как неотъемлемую часть некоторый классификатор, позволяющий осуществить выбор наиболее эффективного способа сжатия поступающих данных. Традиционно выбор оценочных характеристик для классификатора основывается на экспертном мнении, что может ухудшить качество классификации при обработке достаточно сложно структурированных данных. Кроме того, для таких систем следует обеспечивать параллельность процедур обучения классификатора и сжатия данных, что увеличивает вычислительные затраты и усложняет архитектуру приемо-передающих устройств. Таким образом, вопрос о разработке эффективного классификатора для систем сжатия стоит достаточно остро. Цель: оценка возможности применения нейронной многослойной сети прямого распространения с заданной архитектурой в качестве классификатора телеметрических данных. Результаты: исследовано поведение усредненных ошибок обучения, обобщения и подтверждения в зависимости от объема обучающей выборки, полученных для ряда наборов телеметрических данных. На основе полученных данных предложены оптимальные параметры обучения нейронной сети. Проведен сравнительный анализ эффективности работы предложенного подхода и ряда специализированных численных методов: фонового, энтропийного, окрестностного и диэдрического. Полученные результаты позволяют сделать вывод о том, что даже простейшая и наиболее универсальная архитектура искусственной нейронной сети существенно превосходит системы с применением численных методов оценки классифицирующего признака. Дальнейшее развитие предложенного подхода предполагает проведение более глубокого анализа архитектуры нейронной сети для формирования оптимальных конфигураций для различных объемов обучающих выборок и разработку узкоспециализированных архитектур нейронных сетей, ориентированных на заданный тип данных.

Об авторах

И. В. Богачев
Тихоокеанский государственный университет
Россия


А. В. Левенец
Тихоокеанский государственный университет
Россия


Ен Ун. Чье
Тихоокеанский государственный университет
Россия


Список литературы

1. Ватолин Д., Ратушняк А., Смирнов М., Юкин В. Методы сжатия данных. - М.: ДИАЛОГ-МИФИ, 2003. - 384 с.

2. Богачев И. В., Левенец А. В., Чье Ен Ун. Геометрический подход к сжатию данных телеметрических систем // Информатика и системы управления. 2015. № 4(46). С. 16-22.

3. Богачев И. В., Левенец А. В. Алгоритм сжатия данных телеметрических систем // Материалы секционных заседаний 55-й студ. науч.-техн. конф. ТОГУ, Хабаровск, 27 апреля 2015 г., 2015. С. 166171.

4. Круг П. Г. Нейронные сети и нейрокомпьютеры. - М.: Изд-во МЭИ, 2002. - 176 с.

5. Слепнев Е. С. Применение искусственных нейронных сетей для анализа предаварийных ситуаций турбоагрегатов электростанций // Интернет-журнал «Науковедение». 2014. № 3(22). http:// naukovedenie.ru/PDF/46TVN314.pdf (дата обращения: 29.04.2016).

6. Гареев А. Ф. Применение вероятностной нейронной сети для задачи классификации текстов // Наука и образование: Электронное научное издание. 2004. № 11. http://technomag.bmstu.ru/doc/ 46810.html (дата обращения: 29.04.2016).

7. Haykin S. Neural Networks: A Comprehensive Foundation. - Prentice-Hall, 1999. - 823 p.

8. Moller M. F. A Scaled Conjugate Gradient Algorithm for Fast Supervised Learning // Neural Networks. 1993. N 6. P. 525-533.

9. Богачев И. В., Левенец А. В. Алгоритмы сжатия телеметрических данных // Теория и практика современной науки: материалы XVIII Междунар. науч.-практ. конф., Москва, 24-25 июня 2015 г. М., 2015. С. 53-59.


Дополнительные файлы

Для цитирования: Богачев И.В., Левенец А.В., Чье Е.У. Применение искусственной нейронной сети для классификации телеметрических данных в системах сжатия. Информационно-управляющие системы. 2016;(3):2-7. https://doi.org/10.15217/issn1684-8853.2016.3.2

For citation: Bogachev I.V., Levenets A.V., Chye E.U. Artificial Neural Networks in Classifying Telemetry Data for Compression Systems. Information and Control Systems. 2016;(3):2-7. (In Russ.) https://doi.org/10.15217/issn1684-8853.2016.3.2

Просмотров: 182


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 1684-8853 (Print)
ISSN 2541-8610 (Online)