Аттестационная комиссия
Комиссия по аккредитации
Комиссия по экспертов
Распоряжения, инструкции
Нормативные акты
Номенклатура
Организации
Ученые советы
Семинары
Диссертации
Научные руководители
Ученые
Докторанты
Постдокторанты
CNAA logo

 română | русский | english


Адаптивные аппаратные архитектуры для нейро-нечетких систем с самоорганизацией


Автор: Cărbune Viorel
Степень:доктор технических наук
Специальность: 05.13.13 - Вычислительные машины и системы, информационные сети
Год:2020
Научный руководитель: Sergiu Zaporojan
доктор, доцент, Технический Университет Молдовы
Институт: Технический Университет Молдовы

Статус

Диссертация была зашищена 18 декабря 2020 в ученом совете и находится на рассмотрении в Национальном Совете.

Автореферат

Adobe PDF document0.59 Mb / на румынском

Диссертация

CZU 004.3/004.8

Adobe PDF document 3.53 Mb / на румынском
157 страниц


Ключевые слова

методы извлечения знаний, система поддержки принятия решений, нечеткая система, нейронная система, адаптивные аппаратные архитектуры

Аннотация

Структура работы. Диссертация состоит из введения, четырёх глав, выводов, библиографии из 120 наименований, 4-х приложений, 131 страниц основного текста, включая 81 рисунков и 5 таблиц. Полученные результаты опубликованы в 15-и работах.

Область исследования касается теоретических и практических методов извлечения знаний у оператора.

Целью работы является развитие и разработка новых методов и алгоритмов, позволяющих извлекать и перенимать опыт оператора, разработка адаптивных архитектур для исследования процессов принятия решений и построения систем поддержки принятия решений в промышленных приложениях.

Основные задачи: анализ общих аспектов нечетких и нейронных систем, методов извлечения знаний, исследование и разработка методов и алгоритмов поддержки принятия решений, проектирование, моделирование и анализ адаптивных аппаратных архитектур.

Научная новизна и оригинальность полученных результатов заключается в предложении новых моделей, методов, алгоритмов и параметризованных аппаратных структур. Оригинальность предлагаемых решений состоит в подходе и сочетании интеллектуальных методов «машинного обучения» с поведенческой моделью оператора.

Решённая научная задача заключается в разработке и исследовании оригинальных методов освоения опыта оператора посредством обработки автоматически генерируемых статистических данных, что привело к новому подходу к извлечению знаний.

Теоретическое значение заключается в разработке оригинальных методов, которые могут быть использованы для перенятия опыта квалифицированного оператора. Представленный подход включает разработку алгоритмов извлечения знаний. Практическая значимость работы заключается в предложении моделей, методов и алгоритмов для обработки и анализа данных об эволюции технологического процесса.

Внедрение научных результатов состоит в использовании разработанных моделей и систем, в компании «Microfir Tehnologii Industriale» S.R.L. и подтверждается актом внедрения.