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...

Full description

Bibliographic Details
Main Authors: Гришманов Є.О., Хижняк І.А., Бердник П.Г.
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