Разработка нейросетевой системы управления технологическими процессами на сортировочных горках
Диссертация
Степень разработанности проблемы. Диссертационное исследование основано на работах отечественных и зарубежных ученых в области нейросетевых технологий и автоматизированных систем управления. В настоящее время аппарат ИНС и методы его использования постоянно развиваются и совершенствуются. Активные разработки и исследования в области создания систем проектирования ИНС связаны с деятельностью таких… Читать ещё >
Список литературы
- AlyudaForecaster Электронный ресурс.: техническое описание -— Режим доступа: http://www.alyuda.com/neural-network-software.htm, свободный.
- Barron A. Predicted squared error: a criterion for automatic model selection. In: Farlow S. (ed), Self-Organizing Methods in Modeling, NY: Marcel Dekker- 1984
- Bernard Widrow, Michael A. Lehr, 30 Years of Adaptive NeuralNetworks: Perceptron, Madaline, and Backpropagation Artificial Neural Networks: Concepts and Theory, IEEE Computer Society Press, 1992, pp.327−354.
- Bielajew A.F.Fundamentals of the Monte Carlo method for neutral and charged particle transport. Ann Arbor: The University of Michigan, 2001. P. 348.
- Brian Knight, Erik Veerman, Grant Dickinson, and Douglas Hinson Professional Microsoft SQL Server 2008 Integration Services. Indianapolis: Wiley Publishing, 2008. p. 972
- Cortes C., Vapnik V. Support vector network // Machine Learning. -1995. 20. — P.129−152.
- Data Mining Community Электронный ресурс. — Режим доступа: http://www.kdnuggets.com, свободный.
- Fast Artificial Neural Network Library (FANN) Электронный ресурс.: техническое описание — Режим доступа: http://leenissen.dk/fann, свободный.
- Fukushima К., Miyake S., Takayuki I. Neocog-nitron: A neural network model for a mechanism of visual pattern recognition. IEEE Transaction on Systems, Man and Cybernetics SMC-13(5):826−34. — 1983.
- Fukushima K. 1975. Cognitron: A self-organizing mult ilayered neural network. Biological Cybernetics 20:121−36.
- Fukushima K. 1980. Neocognitron: A self-organizing neural network model for a mechanism of pattern recognition uneffected by shift inposition. Biological Cybernetics 36(4): 193−202.
- Gorban A. N., Mirkes Eu. M., Tsaregorodtsev V. G. Generation of Explicit Knowledge from Empirical Data through Pruning of Trainable Neural Networks In: Proc. IJCNN*99, Washington DC, July 1999, IEEE, Vol. 6, pp. 4393−4398.
- Hecht-Nielsen R. Kolmogorov mapping neural network existence theorem. In IEEE First. Int. Conf. on Neural Networks. San Diego: SOS Printing, 1987,-Vol.3-P.l 1−13.
- Heht-Nielsen R. Counterpropagation network // Proc. Int. Conf. on Neural Networks. -N.Y.: IEEE, 1987. 2. — P. 19−32.
- Hertz J., Krogh A., Palmer R.G. Introduction to the theory of neural computation. Addison Wesley, 1991.
- HTML Help Workshop and Documentation Электронный ресурс.: техническое описание — Режим доступа: http://www.microsoft.com/downloads/en/details.aspx?FamilyID=535 334-c8a6−452f-9aa0-d597dl6580cc&displaylang-=en, свободный.
- Inno Setup Электронный ресурс.: техническое описание — Режим доступа: http://www.jrsoftware.org/isinfo.php, свободный.
- Kamimura R. Unification of information maximization and minimization / Advances in Neural Information Processing Systems 9 (1996). MIT Press, 1997. pp.508−514.
- Keogh E., Lonardi S., Chiu B. Finding surprising patterns in a time series database in linear time and space / Proc. SIGKDD'02, Edmonton, Alberta, Canada, 2002. .lip.
- Koza J. R. Genetic Programming. Cambridge, MA: MIT Press, 1992.
- Kraft L.G. and Campagna D.P., «A Comparison between CMAC Neural Network Control and Two Traditional Control Systems» IEEE Control
- Systems Magazine, vol. 10, no. 2, pp. 36−43, 1990.
- LeCun Y. and Y. Bengio: Convolutional Networks for images, Speech, and Time-Series, in Arbib, M. A. (Eds), The Handbook of Brain Theory and Neural Networks, MIT Press, 1995
- LeCun Y., J. S. Denker, S. Solla, R. E. Howard and L. D. Jackel: Optimal Brain Damage, in Touretzky, David (Eds), Advances in Neural Information Processing Systems 2 (NIPS*89), Morgan Kaufman, Denver, CO, 1990
- LeCun Y., L. Bottou, G. Orr and K. Muller: Efficient BackProp, in Orr, G. and Muller K. (Eds), Neural Networks: Tricks of the trade, Springer, 1998
- Lee H.-M., Huang T.-C., Chen C.-M. Learning efficiency improvement of back propagation algorithm by error saturation prevention method /Proc. IJCNN'1999, Washington, DC, USA. 6p.
- Li X, Ding J, Li H. Combing neural network models based on Wavelet transform. Journal of Hydraulic 1999- 2:1−4 (in Chinese).
- NeuroShell 2 Электронный ресурс.: техническое описание — Режим доступа: http://neuroproject.ru/aboutproduct.php?info=ns2info, свободный.
- NeuroSolutions Product Summary Электронный ресурс.: техническое описание — Режим доступа: http://www.neurosolutions.com/products/ns/features.html, свободный.
- Oh S.-H., Lee Y. A modified error function to improve the error back-propagation algorithm for multi-layer perceptrons / ETRT Journal, Vol.17, № 1, April 1995. pp.11−21.
- Railway Automation Forum Электронный ресурс.: форум СЦБистов — Режим доступа: http://scbist.com, свободный.
- Ranzato Marc’Aurelio, Christopher Poultney, Sumit Chopra and Yann LeCun: Efficient Learning of Sparse Representations with an Energy-Based Model, in J. Piatt et al. (Eds), Advances in Neural Information Processing Systems (NIPS 2006), MIT Press, 2006
- Russian software developer network Электронный ресурс. — Режим доступа: http://www.rsdn.ru, свободный.
- Solla S.A., Levin Е., Fleisher М. Accelerated learning in layered neural networks / Complex Systems, 1988, Vol.2. pp.625−639.
- STATISTICA Automated Neural Networks3fleKTpoHHbm ресурс.: техническое описание — Режим доступа: http://www.statsoft.eom/products/c/tabid/783/itemid/35, свободный.
- STATISTICA Neural Networks Электронный ресурс.: техническое описание — Режим доступа: http://statsoft.ru/statportal/tabID32/MIdl 4 l/ModeID0/PageID 11/Deskt opDefault. aspx, свободный.
- Van. Нейросимуляция Электронный ресурс. — Электрон, версия журн. «Компьютерра» № 20, 24.05.2002 — Режим доступа к журн.: http://www.computerra.rU/2002/445/l 8040, свободный.
- Weigend, A.S., Huberman, В.А., Rumelhart, D.E. Predicting the future: A connectionist approach, International Journal of Neural Systems, Vol. 1,3, 1990-p. 193−209
- Аведьян Э.Д. Ассоциативная нейронная сеть СМАС. Часть 1.// Информационные технологии. — 1997. — № 3. — С. 6−14.
- Автоматизированная система проектирования искусственной нейронной сети «NeuroNADS"—Режим доступа: hltp://www.innovaterussia.ru/project/share/vxGOTU, свободный
- Ададуров С.Е., Гапанович В. А., Л я бах H.H., Шабельников А. Н. Железнодорожный транспорт: на пути к интеллектуальному управлению. Монография. — Ростов-на-Дону: 2009. 322 с.
- Айвазян С. А., Бухштабер В. М., Енюков И. С., Мешалкин Л. Д. Прикладная статистика. Классификация и снижение размерности.— М.: Финансы и статистика, 1989.— 607 с.
- Алгоритм нейронной сети (Майкрософт) Электронный ресурс.: техническое описание — Режим доступа: http://msdn.microsofl.com/ru-ru/library/msl74941.aspx, свободный.
- Белявский Г. И., Пучков Е. В., Чернов A.B. Автоматизированная система проектирования искусственной нейронной сети // Программные продукты и системы: № 2. Тверь, 2011. — с. 30 — 34. (издание, рекомендованное ВАК РФ)
- Библиотека MSDN (по-русски) Электронный ресурс. — Режим доступа: http://msdn.microsoft.com/ru-ru/library/default.aspx, свободный.
- Бодянский Е.В., Руденко О. Г. Искусственные нейронные сети: архитектуры, обучение, применения. Харьков: ТЕЛЕТЕХ, 2004. — 369 с.
- Бражников А. С., Малеева А. В. Методы оценки качества кредитного портфеля коммерческого банка. Сборник научных трудов СевКавГТУ. Серия «Экономика». 2008, № 8.
- Вапник В. Н. Восстановление зависимостей по эмпирическим данным. — М.: Наука, 1979. — 448 с.
- Введение в RBF сети Электронный ресурс. — Режим доступа: http://www.basegroup.ru/library/analysis/neural/rbf, свободный.
- Введение в искусственный интеллект: учеб. Пособие для студ. Высш. Учеб. Заведений / Л. Н. Ясницкий. 2-е изд., испр. — М.:
- Издательский центр «Академия», 2008. 176 с.
- Вигерс Карл. Разработка требований к программному обеспечнию. /Пер, с англ. М.: Издательско-торговый дом «Русская Редакция», 2004. -576с.: ил.
- Воронцов К.В. Лекции по искусственным нейронным сетям, 2005 г.
- Галушкин А.И. Континуальные нейронные сети. // Нейрокомпьютер, 1992, № 2,с.9−14.
- Галушкин А.И. Нейрокомпьютеры. Кн. 3: Учеб. пособие для вузов / Общая ред. А. И. Галушкина. М: ИПРЖР, 2000.-528 с: ил. (Нейрокомпьютеры и их применение).
- Галушкин А.И. Теория нейронных сетей. Кн.1: Учеб. пособие для вузов / Общая редакция А. И. Галушкина. Кн.1.- М.: ИПРЖР, 2000.416 е.: ил. (Нейрокомпьютеры и их применение).
- Гапанович В.А., Шабельников А.H О разработке автоматизированных сортировочных систем // Железнодорожный транспорт. 2010. — N 8. — С. 23−25.
- Главные компоненты и факторный анализ Электронный ресурс. — Режим доступа: http://www.statsoit.ru/home/textbook/modules/stfacan.html, свободный.
- Гладков Л.А., Курейчик В. В., Курейчик В. М. Генетические алгоритмы / Под ред. В. М. Курейчика. 2-е изд., испр. и доп. — М.: ФИЗМАТЛИТ, 2006. — 320 с.
- Горбань А.Н. Обучение нейронных сетей. М.: изд. СССР-США СП «ParaGraph», 1990. 160с. (English Translation: AMSE Transaction, Scientific Siberian, A, 1993, Vol. 6. Neurocomputing, pp. 1−134).
- Горбань А.Н., Россиев Д. А. Нейронные сети па персональном компьютере. Новосибирск: Наука. Сибирская издательская фирма РАН. 1996. 276 с.
- Джонс М.Т. Программирование искусственного интеллекта в приложениях / М. Тим Джонс — Пер. с англ. Осипов А. И. — М.: ДМК Пресс, 2004.-312 с: ил.
- Ежов A.A., Шумский С. А., Нейрокомпьютинг и его применение в экономике и бизнесе.-М.:МИФИ, 1998.-224с.
- Емельянов В. В., Курейчик В. В., Курейчик В. М. Теория и практика эволюционного моделирования. — М.: ФИЗМАТ ЛИТ, 2003. 432 с.
- Зайченко Ю.П. Нечеткие модели и методы в интеллектуальных системах. К.: «Издательский Дом «Слово». — 2008. — 344 с.
- Залманзон Л.А. Преобразования Фурье, Уолша, Хаара и их применение в управлении, связи и других областях. М.: Наука. Гл. ред. Физ.-мат. Лит., 1989. — 496 с.
- Интеллектуальный анализ данных (Data Mining) по версии Microsoft Электронный ресурс. — Режим доступа: http://microsoftbi.ru/2009/08/05/data-mining, свободный.
- Казиев, Г. Д. Задачи технического перевооружения сортировочных станций / Г. Д. Казиев, А. Г. Савицкий // АСИ. 2007. — № 4.
- Кацко И.А. Методические аспекты создания аналитических систем на железнодорожном транспорте. Научно-технический журнал «Вестник Ростовского государственного университета путей сообщения»: № 3. -Ростов н/Д: Изд-во РГУПС, 2007. — 144 е., с. 33−37.
- Кобзев В.А. Технические средства сортировочных горок, обеспечивающие безопасность движения. Часть I. Учебное пособие — М.: МИИТ, 2009 92 с.
- Колмогоров А.Н. О представлении непрерывных функций нескольких переменных в виде суперпозиции непрерывных функций одного переменного и сложения. Доклады АН СССР. 1957. — Т. 114 — N5 -с.953−956
- Кохонен Т. Ассоциативная память. Изд. Мир. — 1980. — 240 с.
- Кохонен Т. Самоорганизующиеся карты. — Изд. Бином. Лаборатория знаний. 2008. — 653 с.
- Кричевский М. Л. Интеллектуальный анализ данных в менеджменте: Учеб. пособие / СПбГУАП. СПб., 2005. 208 е.: ил.
- Круглов В. В. Дли М. И. Годунов Р. Ю. Нечёткая логика и искусственные нейронные сети. М.: Физматлит, 2001. 221с.
- Круглов В.В., Борисов В. В. Искусственные нейронные сети. Теория и практика. — М.: Горячая линия — Телеком, 2002. 382с.: ил.
- Кузнецов, Л.П. Автоматизация технологических процессов в системе оперативного управления сортировочной станцией / Л. П. Кузнецов, В. Н. Иванченко, H.H. Лябах, Ю. А. Самойленко. Ростов н/Д.: РИИЖТ, 1984.-77 с.
- Купер А., Рейман Р., Кронип Д. Алан Купер об интерфейсе. Основы проектирования взаимодействия. — Пер. с англ. — СПб.: Символ-Плюс, 2009. 688 е. ил.
- Лукашин Ю. П. Адаптивные методы краткосрочного прогнозирования временных рядов. — М.: Финансы и статистика, 2003. — 416 с.
- Лябах Н. Н, В. А. Тартынский, А. В. Денисов Мониторинг и прогнозирование показателей работы горок // Железнодорожный транспорт. 2010. — N 8. — С. 39−41.
- Лябах H.H., Шабельников А. Н. Техническая кибернетика на железнодорожном транспорте. Ростов н/Д.: Изд-во Северо-Кавказского научного центра высшей школы. 2002. — 232 с.
- Малла С. Вэйвлеты в обработке изображений, Мир, 2005, 670стр.
- Мамаев, Э.А. Управление региональными транспортными системами в исловиях изменений: проблемы и модели: монография / Э.А. Мамаев- Рост. Гос. Ун-т путей сообщения. Ростов н/Д, 2005. — 195 с.
- Миркес Е. М Учебное пособие по курсу НЕЙРОИНФОРМАТИКА, Красноярск, 2002 Электронный ресурс. —
- Режим доступа: http://lib.rus.ec/b/201 279/read, свободный.
- Нейрокомпьютер. Проект стандарта / Е. М. Миркес -Новосибирск: Сибирская издательская фирма РАН, 1998. 188 с.
- Нейронные сети. Statistica Neural Networks: Методология и технологии современного анализа данных / Под редакцией В. П. Боровикова. — 2-е изд., перераб. и доп. — М.: Горячая линия — Телеком, 2008.-392 е., ил.
- Нейросети в задачах отображения Электронный ресурс. — Режим доступа: http://www.victoria.lviv.ua/html/oio/html/theme8rus.htm, свободный.
- Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д. А. Поспелова. М.: Наука. Гл. ред. Физ.-мат. Лит., 1986. — 312 с. — (Проблемы искусственного интеллекта).
- Первозванский A.A. Курс теории автоматического управления. -М.: Наука, 1986.-616 с.
- Первые 10 способов очистки данных Электронный ресурс. ¦— Режим доступа: http://office.microsoft.com/ru-ru/excel-help/HAOl 221 840. aspx, свободный.
- Поддержка новой встроенной базы данных в ASP.NET Электронный ресурс. — Режим доступа: http://blogs.msdn.eom/b/ruscottgu/archive/2010/07/16/new-embedded-database-support-with-asp-net.aspx, свободный.
- Прикладные нечеткие системы: Пер. с япон. / К. Асаи, Д. Ватада, С. Иваи и др.- под редакцией Т. Тэрано, К. Асам, М. Сугэпо. — М.: Мир, 1993.-368 е., ил.