201. CONSTRUCTION OF A NEUROET NETWORK EXPERT SYSTEM FOR PROCESSING NAVIGATION DATA IN CONDITIONS RIVER е-NAVIGATION
- Author
-
Panin, V. V., Doronin, V. V., and Spiian, O. M.
- Subjects
вибірка ,експертна система ,е-навігація ,нечітко-нейронна мережа ,прецедент ,Inland ECDIS ,sample ,expert system ,e-navigation ,fuzzy-neural model ,use case - Abstract
Context. The diagnostics automatisation problem of network anomalies during navigation data processing from gauging stations to electronic chart system under river e-navigation was studied. The object of the study is a process of diagnostic in the dynamic expert system. The purpose of the research is creating of automated troubleshooting system with a help of neural system.Method. The diagnostic automatisation method of network anomalies with context-based intelligent navigation data processing usage was suggested. The main idea consists in modern data processing methods usage in the neural system. These methods are based on the fuzzy logic algorithm. Neural networks can be in operation during parameter fluctuations, that come from gauging stations. The cluster-rules set is displayed in the fuzzy neural system structure. There is no need to download all sample specifications in the electronic mapping system or to re-check the sample, it helps to speed up the process of network synthesis. Inthe navigation data processing system were used different expert systems and neural networks. Data processing system should find network anomalies and propose the ways of their decision size, the method allows to get different levels of sample specification. The method allows to minimize network error in the synthesized model. In addition to fractal method, also had been proposed a method for unknown regularities between the input and output data coming from the gauging stations. That is, the neural network can determine which signals are non-informative. With a help of input data classification from the gauging stations based on Kokhonen`s system, the space of the data stream splits into clusters of the same size and shape. By changing the cluster size, the method allows toget different levels of sample specification. The procedure of input signals classification helps to predict the increasing or decreasing of differential corrections towards depth, and recognize information from gauging stations. The method determines the encoding and decoding of navigation parameters by specifying the parametric function of the triangular shape. The rules formed by an expertknowledge were established. In order to keep intellectual system under current conditions should be used neural dynamic expert system model including use case. The mechanism of automated solution based on the search use case algorithm is defined. If there are not any use cases, the task solves with a help of neural network rules. The network nodes are neurons – particular facts that areconsequences of use case. Links between nodes of the network implement the rules. That is, a multilayer neural network of facts and rules is built up.Results. The experimental indexes of network anomalies during data processing from the gauging stations were followed up.Conclusions. The automatisation problem of network diagnostic anomalies with a help of flexible fuzzy neural network was solved. The conducted experiments confirmed the efficiency of the proposed methods. Further research may consist in the creation of an instrumental navigation method (river e-navigation)., Актуальність. Розглянуто задачу автоматизації діагностики мережевих аномалій при передачі потоку навігаційних даних від водомірних постів до електронно-картографічної системи в умовах річкової е-навігації. Об’єктом дослідження є процес діагностики у динамічній експертній системі. Мета роботи – створення автоматизованої системи діагностики мережевих аномалій на нейронних мережах.Метод. Запропонований спосіб автоматизації діагностики мережевих аномалій з використанням комплексу процедур контекстно-орієнтованої інтелектуальної обробки потоків навігаційних даних. Спосіб передбачає застосування сучасних методів обробки інформації на основі реалізації алгоритму нечіткого логічного виводу на нейронних мережах. Застосовані нейромережі можуть бути легко навчені роботі в умовах коливань параметрів, що надходять від водомірних постів. Спосіб дозволяє мінімізувати помилку у синтезованої мережі. Отриманий набір кластерів-правил відображається в структурі нейро-нечіткої мережі. Реалізація способу не потребує завантаження всієї навчальної вибірки в пам’ять електронно-картографічної системи, багаторазових переглядів навчальної вибірки і істотно прискорює процес синтезу мереж. В інформаційній системі обробки потоку навігаційних даних, яка повинна оперативно виявляти мережеві аномалії, а також пропонувати можливі варіанти їх усунення, застосовано сукупне використання експертних систем і нейронних мереж. Поряд з фрактальним врахуванням точності визначені показники якості при невідомих закономірностях між вхідними та вихідними даними, що надходять від водомірних постів. Тобто нейромережа визначає, які сигнали є неінформативними. За допомогою розробленого методу класифікації вхідних сигналів від водомірних постів з використанням мережі Кохонена простір потоку даних розбивається на кластери однакового розміру і форми. При зміні розміру кластера метод дозволяє одержувати різні рівні деталізації вибірки. Застосування процедури класифікації вхідних сигналів передбачає зростання або зменшення значень диференційних поправок до глибин, розпізнання інформації від водомірних постів. Вирішення задач кодування і декодування параметрів під час навчання нечіткої нейромережі виконувалося одночасно із завданням параметричної функції трикутної форми. Визначені правила представлення знань, сформованих експертом. Для зберігання інтелектуальної системи в явному вигляді застосована нейромережева динамічна експертна система на прецедентах. Визначений механізм отримання автоматизованого вирішення на підставі активізації алгоритму пошуку за ступенем близькості прецедентів. За відсутності прецедентів завдання вирішується нейромережевою базою правил. Вузлами мережі є нейрони – окремі факти, що витягаються із прецедентів. Зв’язки між вузлами мережі реалізують правила. Тобто, організовується багатошарова нейромережа фактів і правил.Результати. Відпрацьовані показники експериментальних досліджень процесу автоматизації діагностики мережевих аномалій при передачі потоку навігаційних даних від водомірних постів.Висновки. Вирішена задача автоматизації діагностики мережевих аномалій із застосуванням гнучкої нечітко-нейронної мережі на прецедентах. Проведені експерименти підтвердили працездатність запропонованих методів. Перспективи подальших досліджень полягають у реалізації етапів створення інструментального методу навігації (річкової е-навігації).
- Published
- 2019