Оцінка ефективності застосування інформаційної технології автоматизованого прогнозування несприятливих авіаційних подій в польоті
У статті в рамках інформаційної технології автоматизованого прогнозування несприятливих авіаційних подій в польоті з використанням глибоких нейронних мереж показані результати моделювання процесу навчання гібридної нейронної мережі на основі згорткових та рекурентних нейронних мереж з використанням...
Main Authors: | , , |
---|---|
Format: | Article |
Language: | English |
Published: |
Ivan Kozhedub Kharkiv National Air Force University
2019-05-01
|
Series: | Системи обробки інформації |
Subjects: | |
Online Access: | http://www.hups.mil.gov.ua/periodic-app/article/19339/soi_2019_2_21.pdf |
id |
doaj-75b51c62e10b43c49bfd5d18888214e4 |
---|---|
record_format |
Article |
spelling |
doaj-75b51c62e10b43c49bfd5d18888214e42020-11-25T03:29:09ZengIvan Kozhedub Kharkiv National Air Force UniversityСистеми обробки інформації1681-77102518-16962019-05-012(157)13413919339Оцінка ефективності застосування інформаційної технології автоматизованого прогнозування несприятливих авіаційних подій в польотіГришманов Є.О.Хижняк І.А.Бердник П.Г.У статті в рамках інформаційної технології автоматизованого прогнозування несприятливих авіаційних подій в польоті з використанням глибоких нейронних мереж показані результати моделювання процесу навчання гібридної нейронної мережі на основі згорткових та рекурентних нейронних мереж з використанням фреймворків Keras та TensorFlow з визначенням оптимального значення коефіцієнта швидкості навчання за визначену кількість епох навчання. Метою статті є оцінка ефективності застосування інформаційної технології автоматизованого прогнозування несприятливих авіаційних подій в польоті з використанням глибоких нейронних мереж. Проведено оцінку точності прогнозування несприятливих авіаційних подій в польоті в ході функціонування гібридної нейронної мережі з використанням запропонованої інформаційної технології. Проведено порівняння отриманих результатів оцінки точності прогнозування несприятливих авіаційних подій в польоті з використанням існуючих підходів на основі нейромережевих моделей класичних Recurrent neural network, Long short-term memory, Convolutional neural network і запропонованого підходу на основі модифікованого нейромережевого класифікатора з комплексним використанням Convolutional neural network та Recurrent neural network. Результати порівняння дозволяють зробити висновок, що застосування розробленої інформаційної технології, що реалізовує дану гібридну нейромережеву модель, дозволяє отримати виграш в точності та в повноті класифікації несприятливих авіаційних подій в польоті.http://www.hups.mil.gov.ua/periodic-app/article/19339/soi_2019_2_21.pdfінформаційна технологіяглибока нейронна мережапрогнозуваннянесприятлива авіаційна подіяфреймворкефективність |
collection |
DOAJ |
language |
English |
format |
Article |
sources |
DOAJ |
author |
Гришманов Є.О. Хижняк І.А. Бердник П.Г. |
spellingShingle |
Гришманов Є.О. Хижняк І.А. Бердник П.Г. Оцінка ефективності застосування інформаційної технології автоматизованого прогнозування несприятливих авіаційних подій в польоті Системи обробки інформації інформаційна технологія глибока нейронна мережа прогнозування несприятлива авіаційна подія фреймворк ефективність |
author_facet |
Гришманов Є.О. Хижняк І.А. Бердник П.Г. |
author_sort |
Гришманов Є.О. |
title |
Оцінка ефективності застосування інформаційної технології автоматизованого прогнозування несприятливих авіаційних подій в польоті |
title_short |
Оцінка ефективності застосування інформаційної технології автоматизованого прогнозування несприятливих авіаційних подій в польоті |
title_full |
Оцінка ефективності застосування інформаційної технології автоматизованого прогнозування несприятливих авіаційних подій в польоті |
title_fullStr |
Оцінка ефективності застосування інформаційної технології автоматизованого прогнозування несприятливих авіаційних подій в польоті |
title_full_unstemmed |
Оцінка ефективності застосування інформаційної технології автоматизованого прогнозування несприятливих авіаційних подій в польоті |
title_sort |
оцінка ефективності застосування інформаційної технології автоматизованого прогнозування несприятливих авіаційних подій в польоті |
publisher |
Ivan Kozhedub Kharkiv National Air Force University |
series |
Системи обробки інформації |
issn |
1681-7710 2518-1696 |
publishDate |
2019-05-01 |
description |
У статті в рамках інформаційної технології автоматизованого прогнозування несприятливих авіаційних подій в польоті з використанням глибоких нейронних мереж показані результати моделювання процесу навчання гібридної нейронної мережі на основі згорткових та рекурентних нейронних мереж з використанням фреймворків Keras та TensorFlow з визначенням оптимального значення коефіцієнта швидкості навчання за визначену кількість епох навчання. Метою статті є оцінка ефективності застосування інформаційної технології автоматизованого прогнозування несприятливих авіаційних подій в польоті з використанням глибоких нейронних мереж. Проведено оцінку точності прогнозування несприятливих авіаційних подій в польоті в ході функціонування гібридної нейронної мережі з використанням запропонованої інформаційної технології. Проведено порівняння отриманих результатів оцінки точності прогнозування несприятливих авіаційних подій в польоті з використанням існуючих підходів на основі нейромережевих моделей класичних Recurrent neural network, Long short-term memory, Convolutional neural network і запропонованого підходу на основі модифікованого нейромережевого класифікатора з комплексним використанням Convolutional neural network та Recurrent neural network. Результати порівняння дозволяють зробити висновок, що застосування розробленої інформаційної технології, що реалізовує дану гібридну нейромережеву модель, дозволяє отримати виграш в точності та в повноті класифікації несприятливих авіаційних подій в польоті. |
topic |
інформаційна технологія глибока нейронна мережа прогнозування несприятлива авіаційна подія фреймворк ефективність |
url |
http://www.hups.mil.gov.ua/periodic-app/article/19339/soi_2019_2_21.pdf |
work_keys_str_mv |
AT grišmanovêo ocínkaefektivnostízastosuvannâínformacíjnoítehnologííavtomatizovanogoprognozuvannânespriâtlivihavíacíjnihpodíjvpolʹotí AT hižnâkía ocínkaefektivnostízastosuvannâínformacíjnoítehnologííavtomatizovanogoprognozuvannânespriâtlivihavíacíjnihpodíjvpolʹotí AT berdnikpg ocínkaefektivnostízastosuvannâínformacíjnoítehnologííavtomatizovanogoprognozuvannânespriâtlivihavíacíjnihpodíjvpolʹotí |
_version_ |
1724580252687007744 |