Применение нейронных сетей в задаче количественного анализа состава воздушной среды



SNW-анализ: что это такое — примеры и методы исследования внутренней среды организации

В этой статье разберемся, что это — SNW(СНВ) анализ и для чего он применяется. Существует множество методик, которые помогут проанализировать финансовое и конкурентное состояние организации. Все эти способы нацелены на выделение слабых и сильных сторон фирмы, чтобы составить дальнейший план развития и оптимизации — как всей компании, так и отдельных ее частей. Причем большинство специалистов применяют в своей работе SWOT и PEST алгоритмы, а про эту разновидность узнают только на практике. Хотя данный метод позволяет разбивать всю деятельность на сегменты и блоки, анализировать их и по факту это расширенная версия популярных методик.

snw анализ компании

SNW-анализ: что это и для чего

Это популярный способ определить, насколько конкурентоспособно предприятие. С его помощью производят разбивку всего функционала и деятельности на отдельные блоки и части, выделить недостатки, преимущества и нейтральные позиции, определить возможности и риски внутри каждого из них.

Если дословно переводить с английского, то аббревиатура расшифровывается так:

  • S — сила;
  • N — нейтральность;
  • W — слабость.

Целью этого процесса можно считать определение преимуществ, а затем — устранение недостатков внутри них и их усиление.

Кроме того, важно выявить среднее состояние, с помощью которого можно увидеть полную картину деятельности фирмы.

Руководство компании видит в регулярном проведении исследований две задачи:

  • найти сильные сегменты и их наращивание, использование в качестве ресурса;
  • уменьшение, нейтрализация, разбор и ликвидация слабых сторон, минимизация их влияния на продукт и на организацию в целом.

Чтобы оказаться далеко впереди всех конкурентов, достаточно добиться, чтобы по отношению к другим удалось занять нейтральную позицию по большинству факторов. Особенно это касается ключевых параметров. Сила может заключаться всего в 1-2 значениях.

Важные моменты SNW – анализа компании и таблица

Полное исследование состоит из 5 основных сегментов работы любого предприятия:

  • маркетинг — какую часть рынка удалось отвоевать, сколько тратится на рекламу;
  • финансы — насколько эффективно планируются и расходуются средства, продумана ли стратегия;
  • операции — что делают, все ли идет по плану;
  • ресурсы персонала — какие специалисты набраны, насколько они разбираются в своей работе;
  • культура среды, ценности корпорации — могут ли люди слаженно трудиться, понимают ли общую цель.

Чтобы начать выполнять оценку было проще, мы разложили все эти пункты в таблице.

Характеристики для изучения

    реклама — какая и сколько на нее уходит;

    насколько эффективно ведется планирование;

    компетентны ли сотрудники и руководство, соответствуют ли необходимому уровню образования и навыков;

Культура и корпоративные ценности

    какие взаимоотношения в коллективе;

Что должно произойти в результате:

  • достоинства остаются в силе, как и сильные стороны;
  • нейтральные сегменты зафиксированы или усовершенствованы;
  • слабые — ликвидированы или минимизированы, в идеале превращены в достоинства и отстройку от конкурирующих компаний.

Готовые решения для всех направлений

Магазины

Мобильность, точность и скорость пересчёта товара в торговом зале и на складе, позволят вам не потерять дни продаж во время проведения инвентаризации и при приёмке товара.

Склады

Ускорь работу сотрудников склада при помощи мобильной автоматизации. Навсегда устраните ошибки при приёмке, отгрузке, инвентаризации и перемещении товара.

Маркировка

Обязательная маркировка товаров — это возможность для каждой организации на 100% исключить приёмку на свой склад контрафактного товара и отследить цепочку поставок от производителя.

E-commerce

Скорость, точность приёмки и отгрузки товаров на складе — краеугольный камень в E-commerce бизнесе. Начни использовать современные, более эффективные мобильные инструменты.

Учреждения

Повысь точность учета имущества организации, уровень контроля сохранности и перемещения каждой единицы. Мобильный учет снизит вероятность краж и естественных потерь.

Производство

Повысь эффективность деятельности производственного предприятия за счет внедрения мобильной автоматизации для учёта товарно-материальных ценностей.

ЕГАИС

Исключи ошибки сопоставления и считывания акцизных марок алкогольной продукции при помощи мобильных инструментов учёта.

RFID

Первое в России готовое решение для учёта товара по RFID-меткам на каждом из этапов цепочки поставок.

Сертификация

Получение сертифицированного статуса партнёра «Клеверенс» позволит вашей компании выйти на новый уровень решения задач на предприятиях ваших клиентов..

Инвентаризация

Используй современные мобильные инструменты для проведения инвентаризации товара. Повысь скорость и точность бизнес-процесса.

Другое

Используй современные мобильные инструменты в учете товара и основных средств на вашем предприятии. Полностью откажитесь от учета «на бумаге».

В чем суть метода SNW – анализа

В основе этого подхода — качественная оценка разных элементов по отдельности. Сколько частей нужно рассматривать — зависит от конкретной организации и выделенного на изучение времени. Можно обойтись 5-10 пунктами, а при желании — писать масштабную работу на 50 сегментов.

снв анализ пример

Есть и примерные стандарты, которых обычно придерживаются маркетологи или другие специалисты, которым было поручено заняться этим вопросом.

Что стоит оценить в первую очередь:

  • уровень, на котором производят товары;
  • какой стратегии придерживается на рынке;
  • насколько эффективна коммуникационная политика;
  • конкурентоспособность изделия или услуги;
  • состояние маркетинга.

Чтобы облегчить и упорядочить СВН анализ, заполняется подобная таблица.

Среди позиций можно использовать все, что скрыто или явно влияет на выручку и работоспособность компании.

Что можно изучать и менять:

  • стратегия;
  • качество бухгалтерии;
  • структура затрат;
  • уровень информационных технологий;
  • насколько эффективно используются ресурсы и персонал;
  • репутация бренда на рынке;
  • климат внутри организации;
  • инвестиции, их доступность;
  • используются ли инновации;
  • какие отношения с госорганами;
  • качество корпоративной культуры;
  • как работает система дистрибуции, затрат и сбыта.

Обстоятельный и подробный разбор каждого пункта поможет усовершенствовать компанию и превратить слабости в силу.

Некоторые сегменты анализировать достаточно просто через торговые или специализированные программы, которые помогут рассчитать изменения к лучшему в конкретных показателях. С их помощью можно разобраться в сбытовых операциях и затраченных на разные цели средствах, сократить расходы и увеличить вложения в инвестиции.

Подобрать такое программное обеспечение, которое поможет отстроиться от конкурентов в любой сфере бизнеса, не так просто. Мы рекомендуем обратиться в «Клеверенс». Наши специалисты помогут подобрать ПО или оборудование, которое справится с поставленными задачами. Чтобы оставить другие компании далеко позади, следует постоянно развиваться. В этом вам поможет наш софт.

стратегический snw анализ

Для чего нужны подобные анализы во внутренних оптимизациях

СВН обычно задействуют в крупных организациях, а в малом бизнесе предпочитают SWOT, но и там SWN не окажется лишним или бесполезным. Оно считается более глубоким вариантом, внутри которого рассматривается больше аспектов и факторов. Заключение получится развернутым и точным, понимания, что делать дальше, станет больше.

В идеальных условиях стоит не просто проводить исследование, но и одновременно сравнивать фирму с ближайшим, более успешным, конкурентом.

Регулярное проведение таких оценок помогает разрабатывать верную стратегию развития. А также — продумывать и воплощать мероприятия по ликвидации слабых сторон и укреплению сильных и нейтральных.

Результаты подхода

Если все делать правильно, в итоге получится конкретный и подробный профиль организации. Когда складывается положительная картинка на фоне других компаний, можно сделать вывод, что ваша фирма занимает одно из лидирующих в области положений в отрасли.

Нормальным считается, если по 2-3 факторам она проигрывает соперникам, но в остальных моментах — должна быть на первых местах.

Это действительно эффективный метод оценить возможности и зоны роста для любого заведения, по которому разрабатывается сценарий дальнейшего развития. Причем пользоваться способом можно не только в отношении одного ООО. Выполняют проверку отрасли, региона, даже страны. С его помощью определяют количество экспорта/импорта, потенциал экономики, ресурсы и многое другое.

снв анализ на примере предприятия

Как применить СНВ и иной анализ на примере предприятия

Чтобы наиболее точно представлять себе внутреннюю среду организации, следует составить и заполнить таблицу, о которой мы говорили выше. А затем по выявленным значениям проводится ситуационная оценка конкретных параметров.

У таблички простая структура и логика. Нужно вписать в первую очередь те особенности, которые вызывают вопросы, используют много ресурсов и являются проблемными.

Исследование проводится так, чтобы можно было составить план действий на определенный промежуток времени — 1, 3, 5 лет. По возможности следует указывать конкретные числа, к которым цель должна будет оказаться достигнутой.

Читайте также:  Комплексный анализ урока литературного чтения

Уровень рекламы и затраты на нее

Работать с такими сведениями будет просто. Становится понятно, в какой категории находится фактор на данный момент, куда надо двигаться и к какому сроку нужен результат. В примере выше эксперты вычислили, что необходимо усиливать знания и квалификации персонала, так как это слабость организации. Имидж предстоит выдвинуть в сильные ресурсы, так как от этого напрямую зависят продажи. А вот объемы трат на рекламные кабинеты стоит урезать, вернуть к нейтральной позиции.

Можно сделать проще. Поставить плюсы в соответствующих полях, а планирование проводить ниже, продумывать мероприятия и для каждого ставить даты.

snw анализ внутренней среды организации

Достоинства SNW

У этого способа сразу несколько положительных моментов:

  • сильные стороны, которые выявляются при SWOT-методике, определяются и здесь;
  • по каждому фактору выявляется значение, в соответствии с которым разрабатываются дальнейшие рекомендации по улучшению состояния фирмы;
  • это прекрасное дополнение для других методов обследования внутренней и внешней среды любого предприятия.

SNW-анализ в виде бизнес-плана

Этот подход используется при разработке планирования на будущие периоды. Прогнозы всегда корректируются с учетом влияния факторов.

Исследование СНВ помогает выявить, какие характеристики можно отнести к ее силе и к слабости в отношении отдельного товара или компании в целом.

В планировании обязательно предусматривают перечень мероприятий, которые помогут устранить угрозы и усилят преимущества.

Такая работа позволяет обеспечить плюсы, которые выделят вас на фоне конкурентов, повысить рентабельность и эффективность всей деятельности.

Выявленные ресурсы можно использовать как факторы для позиционирования организации и продвижения ее продукции. Кроме того, эти данные используются для конкурентной борьбы.

swn анализ пример

SWN-анализ: пример

Давайте разберемся, как сделать стратегическое исследование внутренней среды при помощи СНВ методики.

Как организована сбытовая сеть

Состояние коллектива и психологический климат

В качестве сильных позиций фирмы можно выделить:

  • взаимоотношение в коллективе и их состояние;
  • уровень производства;
  • постоянное использование последних IT-технологий.

Среди нейтральных качеств определяются:

  • финансы;
  • маркетинговый отдел.

Слабыми сегментами, которыми придется заниматься прямо сейчас, назвали:

  • конкурентоспособность продукции;
  • организацию сбыта.

Из такой таблицы видно, что нужно продумывать ассортимент, вкладываться в рекламу и искать пути улучшить качество товаров. Также проблема заключается в отделе продаж. Следует проводить тренинги, помогать работникам развиваться и нанимать новых, более квалифицированных специалистов.

SNW-анализ на примере предприятия

Еще один способ разобраться в положении фирмы — составить немного другой портрет с иными вводными и добавленной колонкой комментариев.

Ничего не делается для улучшения, нужно разрабатывать новый план

Долгое принятие решений, нет навыка быстро оценивать ситуацию и ориентироваться в ней, плохой подбор кадров

В этом случае можно не только проставить цифры работоспособности каждого пункта, но и прописать примерные советы для улучшения ситуации. Составлять бизнес-план на его основе будет проще, так как уже есть краткие пояснения.

Системность качественного SNW-анализа внутренней среды предприятия

Конечно, представленные выше примеры не являются единственно верными, есть и другие инструменты. Но его стоит задействовать, чтобы увидеть зоны роста и угрозы, с которыми следует начинать бороться.

Это не простой, но очень полезный инструмент, который помогает в ситуационной оценке каждого параметра.

Следует охватывать все базисные структуры, основы, процессы и ресурсные базы, чтобы результаты были полными и всесторонними. Это поможет выявить реальное состояние и определить потенциал в ближайшие годы.

При желании можно составить такие таблицы для отдельных продуктов, которые выпускает предприятие. Так проще понять соотношение его целесообразности и затрат, определить, можно ли его улучшить или проще запустить новую линию.

свн анализ

Важно заниматься анализом регулярно, раз в равный промежуток времени. Это необходимо, чтобы своевременно корректировать мероприятия и держать ситуацию под контролем. Если делать разбор раз в год-два, то это не принесет никаких результатов, только статичные данные, которые не влекут за собой особенных изменений.

Кроме того, мало просто исследовать состояние фирмы. Предстоит подготовить и утвердить план будущих мероприятий, направленных на изменение текущих позиций. Затем – необходимо придерживаться этого планирования, своевременно воплощать все его пункты и следить за тем, чтобы каждая часть приводила к нужному результату.

Очередная оценка проводится еще до того, как будут осуществлены все элементы из плана. Ее цель — увидеть перемены или отметить, что все осталось на том же месте. На основании новых данных составляется обновленный или совершенно иной перечень будущих действий.

Это цикличный процесс, который никогда не заканчивается. Анализируется состояние, выявляются зоны роста, ведутся работы по ликвидации слабостей и переводов их в нейтральное положение. Выполняются спланированные и рассчитанные заранее мероприятия. Снова изучаются характеристики, начиная новый виток цикла. Только так можно добиться лидирующих позиций в любом секторе экономики, справиться с недостатками и разобраться с проблемными участками.

Источник

Применение нейронных сетей в задаче количественного анализа состава воздушной среды

Цель исследования: разработка методики генерации обучающих данных с целью обеспечения возможности использования метода искусственных нейронных сетей (ИНС) в газоаналитических системах. Рассматривается проблема повышения точности раздельного определения концентраций газов в многокомпонентных смесях в условиях колебания параметров окружающей среды. Повысить точность определения концентраций целевых газов предлагается за счет применения метода ИНС для совместной обработки сигналов датчиков.

Методы. Генерация обучающих данных для нейронной сети осуществлялась с помощью численного эксперимента и методов математического моделирования. Для оценки точности обучения было использовано среднеквадратическое отклонение (СКО) и рассчитывалась относительная погрешность. Обучение и исследование ИНС проводилось в среде MATLAB (приложение Neural Networks Toolbox). При разработке математических моделей датчиков газа опирались на теорию электрических цепей, электронную теорию хемосорбции и адсорбционную теорию гетерогенного катализа.

Результаты. Описана методика генерации обучающих наборов данных с использованием математических моделей газочувстительных датчиков. Предложенная методика обучения апробирована на конкретной задаче, в частности, разработано решающее устройство на основе ИНС для четырёхкомпонентного газоанализатора. Проведена оценка эффективности применения нейронных сетей для отстройки от взаимной перекрестной чувствительности датчиков.

Заключение. Предложена методика генерации обучающих данных с помощью имитационных моделей, позволяющая автоматизировать процесс обучения, исследования, выбора архитектуры и структуры ИНС и их тестирования. Проведена апробация метода. На основании анализа полученных погрешностей, сформулированы выводы об эффективности применения нейронных сетей для уменьшения погрешностей, вызванных перекрестной чувствительностью, при различных соотношениях концентраций основного и мешающего газов.

Ключевые слова

Об авторах

Бондарь Олег Григорьевич, кандидат технических наук, доцент, доцент кафедры космического приборостроения и систем связи

ул. 50 лет Октября 94, г. Курск 305040

Брежнева Екатерина Олеговна, кандидат технических наук, доцент, доцент кафедры космического приборостроения и систем связи

ул. 50 лет Октября 94, г. Курск 305040

Чернышов Ростислав Евгеньевич, студент кафедры космического приборостроения и систем связи

ул. 50 лет Октября 94, г. Курск 305040

Список литературы

1. Metal Oxide Semi-Conductor Gas Sensors in Environmental Monitoring / F. George., L. M. Cavanagh, A. Afonja, R. Binions // Sensors. 2010. Р. 5469-5502

2. Measure of carbon dioxide using a gas sensor of a semiconductor type based on tin dioxide (SnO2) / H. Abderrahim, M. Berrebia, A. Hamou, H. Kherief, Y. Zanoun, K. Zenata // J. Mater. Environ. Sci. 2011. 2 (2). Р. 94-103

3. Белышева Т.В., Боговцева Л.П., Гутман Э.Е. Применение металлооксидных полупроводниковых гетеросистем для газового анализа // International Scientific Journal: for Alternative Energyand Ecology. 2004. №2. С.67-66.

4. Дрейзин В. Э., Брежнева Е. О., Бондарь О. Г. Устройство обработки сигналов многокомпонентного газо- анализатора // Приборы и Системы. Управление, контроль, диагностика. 2011. № 12. С. 43-48 .

5. Брежнева Е.О., Бондарь О.Г. Газоанализатор монооксида углерода и водорода // Известия Юго-Западного государственного университета. 2012. № 2-3. С. 67-70.

6. Томакова Р.А., Филист С.А., Яа З.До. Универсальные сетевые модели для задач классификации биомедицинских данных // Известия Юго-Западного государственного университета. 2012. № 4-2 (43). С. 44-50.

7. Дашковский А.А., Примиский В.Ф. Математическое моделирование многокомпонентных газоаналитических измерений и анализ погрешностей // ВосточноЕвропейский журнал передовых технологий. 2005. № 6/2 (18). С. 108-111.

Читайте также:  Быть знаменитым некрасиво анализ стихотворения Пастернака по плану кратко идея история создания

8. Дрейзин В. Э., Брежнева Е. О. Моделирование газочувствительных датчиков // Информационно-измерительные диагностические и управляющие системы. Диагностика-2011: материалы 2-ой Международной науч.-техн. конф. Курск, 2011. С. 53-59.

9. Bondar O. G., Brezhneva E. O., Pozdnyakov V. V. Methods and Algorithms for Control of a Thermocatalytic Hydrogen Sensor // Measurement Techniques. August, 2018. Vol.61. N 5. P.514-519.

10. Electro-thermal modeling of a microbridge gas sensor / R. P. Manginell, J. H. Smith, A. J. Ricco, R. C. Hughes, D. J. Moreno // Sandia National Laboratories, Albuguergue, NM87185-1080. 1997. Р. 360-371

11. Дрейзин В. Э., Брежнева Е.О., Бондарь О. Г. Моделирование каталитического датчика водорода // Известия Юго-Западного государственного университета. 2011. № 5(38). Ч. 1. С. 69-76.

12. Драздейл Д. Введение в динамику пожаров. М.: Стройиздат, 1990. 424 с.

13. Щеглов П.П., Шароварников А.Ф. Токсичные продукты термического разложения и горения полимерных материалов при пожаре. М.: ВИПТШ МВД России, 1992. 80 с.

14. Кошмаров Ю. А. Прогнозирование опасных факторов пожара в помещении. М.: Академия ГПС МВД России, 2000. 118 с.

15. Дрейзин В. Э., Брежнева Е. О. Сравнительный анализ характеристик промышленных газочувствительных датчиков // Датчики и системы. 2011. № 3. С. 68-78.16. Сазонов С.Ю., Титенко Е.А., Ханис Н.А. Подход к прогнозированию возникновения пожароопасной ситуации в дата-центре на основе нейронных сетей // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение, 2015. № 4 (17). С. 8-14.

16. Swingler K. Applying neural networks: A practical guide. London: Academic Press, 1996. 345 р.

17. Foresee F.D., Hagan M.T. Gaus-Newton approximation to Bayesian regularization. // Proceedings of the 1997 International Joint Conference on Neural Networks. 1997. Р. 1930-1935.

18. Дрейзин В.Э., Гримов А.А. Измерительный блок для нейтронного спектрометра реального времени с вычислительным восстановлением энергетических спектров с помощью нейронных сетей // Известия Юго-Западного государственного университета. 2012. № 2-3. С. 223-228.

19. Применение глубоких нейронных сетей в задаче получения карты глубины из двумерного изображения / Д.И. Михальченко, А.Г. Ивин, О.Ю. Сивченко, Е.А. Аксаментов // Известия Юго-Западного государственного университета. 2019; 23(3): 113-134. https://doi.org/10.21869/2223-1560-2019-23-3-113-134.

Для цитирования:

Бондарь О.Г., Брежнева Е.О., Чернышов Р.Е. Применение нейронных сетей в задаче количественного анализа состава воздушной среды. Известия Юго-Западного государственного университета. 2020;24(1):159-174. https://doi.org/10.21869/2223-1560-2020-24-1-159-174

For citation:

Bondar O.G., Brezhneva E.O., Chernyshov R.E. Application of Neural Networks in the Problem of Quantitative Analysis of Air Composition. Proceedings of the Southwest State University. 2020;24(1):159-174. (In Russ.) https://doi.org/10.21869/2223-1560-2020-24-1-159-174

alt=»Creative Commons License» width=»»/>
Контент доступен под лицензией Creative Commons Attribution 4.0 License.

Источник

Применение нейронных сетей в задаче количественного анализа состава воздушной среды

Цель исследования: разработка методики генерации обучающих данных с целью обеспечения возможности использования метода искусственных нейронных сетей (ИНС) в газоаналитических системах. Рассматривается проблема повышения точности раздельного определения концентраций газов в многокомпонентных смесях в условиях колебания параметров окружающей среды. Повысить точность определения концентраций целевых газов предлагается за счет применения метода ИНС для совместной обработки сигналов датчиков.

Методы. Генерация обучающих данных для нейронной сети осуществлялась с помощью численного эксперимента и методов математического моделирования. Для оценки точности обучения было использовано среднеквадратическое отклонение (СКО) и рассчитывалась относительная погрешность. Обучение и исследование ИНС проводилось в среде MATLAB (приложение Neural Networks Toolbox). При разработке математических моделей датчиков газа опирались на теорию электрических цепей, электронную теорию хемосорбции и адсорбционную теорию гетерогенного катализа.

Результаты. Описана методика генерации обучающих наборов данных с использованием математических моделей газочувстительных датчиков. Предложенная методика обучения апробирована на конкретной задаче, в частности, разработано решающее устройство на основе ИНС для четырёхкомпонентного газоанализатора. Проведена оценка эффективности применения нейронных сетей для отстройки от взаимной перекрестной чувствительности датчиков.

Заключение. Предложена методика генерации обучающих данных с помощью имитационных моделей, позволяющая автоматизировать процесс обучения, исследования, выбора архитектуры и структуры ИНС и их тестирования. Проведена апробация метода. На основании анализа полученных погрешностей, сформулированы выводы об эффективности применения нейронных сетей для уменьшения погрешностей, вызванных перекрестной чувствительностью, при различных соотношениях концентраций основного и мешающего газов.

Ключевые слова

Об авторах

Бондарь Олег Григорьевич, кандидат технических наук, доцент, доцент кафедры космического приборостроения и систем связи

ул. 50 лет Октября 94, г. Курск 305040

Брежнева Екатерина Олеговна, кандидат технических наук, доцент, доцент кафедры космического приборостроения и систем связи

ул. 50 лет Октября 94, г. Курск 305040

Чернышов Ростислав Евгеньевич, студент кафедры космического приборостроения и систем связи

ул. 50 лет Октября 94, г. Курск 305040

Список литературы

1. Metal Oxide Semi-Conductor Gas Sensors in Environmental Monitoring / F. George., L. M. Cavanagh, A. Afonja, R. Binions // Sensors. 2010. Р. 5469-5502

2. Measure of carbon dioxide using a gas sensor of a semiconductor type based on tin dioxide (SnO2) / H. Abderrahim, M. Berrebia, A. Hamou, H. Kherief, Y. Zanoun, K. Zenata // J. Mater. Environ. Sci. 2011. 2 (2). Р. 94-103

3. Белышева Т.В., Боговцева Л.П., Гутман Э.Е. Применение металлооксидных полупроводниковых гетеросистем для газового анализа // International Scientific Journal: for Alternative Energyand Ecology. 2004. №2. С.67-66.

4. Дрейзин В. Э., Брежнева Е. О., Бондарь О. Г. Устройство обработки сигналов многокомпонентного газо- анализатора // Приборы и Системы. Управление, контроль, диагностика. 2011. № 12. С. 43-48 .

5. Брежнева Е.О., Бондарь О.Г. Газоанализатор монооксида углерода и водорода // Известия Юго-Западного государственного университета. 2012. № 2-3. С. 67-70.

6. Томакова Р.А., Филист С.А., Яа З.До. Универсальные сетевые модели для задач классификации биомедицинских данных // Известия Юго-Западного государственного университета. 2012. № 4-2 (43). С. 44-50.

7. Дашковский А.А., Примиский В.Ф. Математическое моделирование многокомпонентных газоаналитических измерений и анализ погрешностей // ВосточноЕвропейский журнал передовых технологий. 2005. № 6/2 (18). С. 108-111.

8. Дрейзин В. Э., Брежнева Е. О. Моделирование газочувствительных датчиков // Информационно-измерительные диагностические и управляющие системы. Диагностика-2011: материалы 2-ой Международной науч.-техн. конф. Курск, 2011. С. 53-59.

9. Bondar O. G., Brezhneva E. O., Pozdnyakov V. V. Methods and Algorithms for Control of a Thermocatalytic Hydrogen Sensor // Measurement Techniques. August, 2018. Vol.61. N 5. P.514-519.

10. Electro-thermal modeling of a microbridge gas sensor / R. P. Manginell, J. H. Smith, A. J. Ricco, R. C. Hughes, D. J. Moreno // Sandia National Laboratories, Albuguergue, NM87185-1080. 1997. Р. 360-371

11. Дрейзин В. Э., Брежнева Е.О., Бондарь О. Г. Моделирование каталитического датчика водорода // Известия Юго-Западного государственного университета. 2011. № 5(38). Ч. 1. С. 69-76.

12. Драздейл Д. Введение в динамику пожаров. М.: Стройиздат, 1990. 424 с.

13. Щеглов П.П., Шароварников А.Ф. Токсичные продукты термического разложения и горения полимерных материалов при пожаре. М.: ВИПТШ МВД России, 1992. 80 с.

14. Кошмаров Ю. А. Прогнозирование опасных факторов пожара в помещении. М.: Академия ГПС МВД России, 2000. 118 с.

15. Дрейзин В. Э., Брежнева Е. О. Сравнительный анализ характеристик промышленных газочувствительных датчиков // Датчики и системы. 2011. № 3. С. 68-78.16. Сазонов С.Ю., Титенко Е.А., Ханис Н.А. Подход к прогнозированию возникновения пожароопасной ситуации в дата-центре на основе нейронных сетей // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение, 2015. № 4 (17). С. 8-14.

16. Swingler K. Applying neural networks: A practical guide. London: Academic Press, 1996. 345 р.

17. Foresee F.D., Hagan M.T. Gaus-Newton approximation to Bayesian regularization. // Proceedings of the 1997 International Joint Conference on Neural Networks. 1997. Р. 1930-1935.

18. Дрейзин В.Э., Гримов А.А. Измерительный блок для нейтронного спектрометра реального времени с вычислительным восстановлением энергетических спектров с помощью нейронных сетей // Известия Юго-Западного государственного университета. 2012. № 2-3. С. 223-228.

Читайте также:  Система управления рисками и внутреннего контроля

19. Применение глубоких нейронных сетей в задаче получения карты глубины из двумерного изображения / Д.И. Михальченко, А.Г. Ивин, О.Ю. Сивченко, Е.А. Аксаментов // Известия Юго-Западного государственного университета. 2019; 23(3): 113-134. https://doi.org/10.21869/2223-1560-2019-23-3-113-134.

Для цитирования:

Бондарь О.Г., Брежнева Е.О., Чернышов Р.Е. Применение нейронных сетей в задаче количественного анализа состава воздушной среды. Известия Юго-Западного государственного университета. 2020;24(1):159-174. https://doi.org/10.21869/2223-1560-2020-24-1-159-174

For citation:

Bondar O.G., Brezhneva E.O., Chernyshov R.E. Application of Neural Networks in the Problem of Quantitative Analysis of Air Composition. Proceedings of the Southwest State University. 2020;24(1):159-174. (In Russ.) https://doi.org/10.21869/2223-1560-2020-24-1-159-174

alt=»Creative Commons License» width=»»/>
Контент доступен под лицензией Creative Commons Attribution 4.0 License.

Источник

Уроки 1 — 3
Системный анализ (§§ 1 — 4)
Практическая работа № 1.1 «Модели систем»

Исследование некоторой реальной системы состоит из двух этапов: этапа анализа и этапа синтеза.

Анализ системы — это выделение ее частей с целью прояснения состава системы. В предыдущем параграфе мы говорили, что каждая часть системы — это подсистема, и у этой подсистемы есть свои части. Однако невозможно раскладывать систему бесконечно. На чем-то придется остановиться, какие-то части принять за простые, далее неделимые элементы. Вопрос о том, на чем следует остановить «дробление» системы, зависит от цели исследования. Целью исследования системы является получение ее модели — приближенного представления об устройстве и функционировании системы. Полученная модель будет использоваться для прогнозирования поведения системы в некоторых условиях, для управления системой, для диагностики сбоев в функционировании системы и пр.

Однако невозможно понять механизм функционирования системы, выяснив только ее состав. Необходимо знать структуру связей между частями системы. Только в совокупности состава и структуры можно понять состояние и поведение системы. Поэто-му анализ системы — это первый этап ее исследования. Второй этап называется синтезом. Слово «синтез» означает соединение.

Синтез — это мысленное или реальное соединение частей в единое целое. В результате синтеза создается целостное представление о системе, объясняется механизм системного эффекта.

Системным анализом называется исследование реальных объектов и явлений с точки зрения системного подхода, состоящее из этапов анализа и синтеза.

Всякое описание системы носит модельный характер, т. е. отражает ограниченное число ее свойств. Главный вопрос при построении модели системы — какие ее характеристики являются существенными с точки зрения целей использования будущей модели?

Модель «черного ящика»

В простейшем случае бывает достаточно иметь представление о взаимодействии системы с внешней средой, не вдаваясь в подробности ее внутреннего устройства. Например, при использовании сложной бытовой техники вам совсем не обязательно знать ее устройство. Достаточно знать, как ею пользоваться, т. е. какие управляющие действия можно с ней производить (что на входе) и какие результаты вы будете при этом получать (что на выходе). Все эти сведения содержатся в инструкции для пользователя. Такое описание системы называется моделью «черного ящика» (рис. 1.2).

image

Вход системы — это воздействие на систему со стороны внешней среды, а выход — это воздействие, оказываемое системой на окружающую среду. В такой модели внутреннее устройство системы скрыто. Поэтому ее и называют «черным ящиком».

С точки зрения человека, не связанного с системой высшего образования, университет есть «черный ящик», на входе которого — выпускники школ, а на выходе — дипломированные специалисты.

Модель состава

Как отмечалось выше, результатом анализа системы является определение ее состава. Если описание системы ограничить перечислением ее частей, то мы получим модель состава. Например, модель состава системы «Университет» представлена на рис. 1.3.

image

Каждая из отмеченных на рис. 1.3 составляющих системы «Университет» является подсистемой со своим составом. Поэтому для этих подсистем также можно построить свои модели состава. Разумеется, такой модели недостаточно для того, чтобы понять, как функционирует университет. И все-таки она дает более подробное представление об университете, чем модель «черного ящика».

Структурная модель системы

Структурную модель системы еще называют структурной схемой. На структурной схеме отражается состав системы и ее внутренние связи. Для отображения структурной схемы системы используются графы.

Граф состоит из вершин, обозначающих элементы системы, и ребер — линий, обозначающих связи (отношения) между элементами системы. Знакомая многим схема скоростного транспорта Москвы (рис. 1.4) является примером графа. Вершинами здесь являются станции метро, а ребрами — линии движения поездов. Такая схема позволяет пассажиру метро определить маршрут своего перемещения между любыми станциями. Схема метро отражает его радиально-кольцевую структуру.

image

Еще один пример графа показан на рис. 1.5. Это структурная модель молекулы углеводорода. Вершинами являются атомы водорода и углерода, ребра отображают валентные связи.

image

Связь между двумя станциями метро, соединенными линией движения, является двунаправленной, поскольку поезда могут двигаться в обе стороны. Валентная связь между атомами молекулы также не имеет выделенного направления. Такие графы называются неориентированными. Если же связь между двумя элементами системы действует только в одну сторону, то на графе она отображается направленной стрелкой. Такой граф называется ориентированным. Направленные линии связи на графе называются дугами.

На рис. 1.6 приведен пример ориентированного графа из области медицины. Известно, что у разных людей кровь может различаться по группе. Существуют четыре группы крови. Оказывается, что при переливании крови от одного человека к другому не все группы совместимы. Граф на рис. 1.6 показывает возможные варианты переливания крови. Группы крови — это вершины графа с соответствующими номерами, а стрелки указывают на возможность переливания крови одной группы человеку с другой группой. Например, из этого графа видно, что кровь I группы можно переливать любому человеку, а человек с I группой крови воспринимает кровь только своей группы. Видно также, что человеку с IV группой крови можно переливать любую кровь, но его кровь можно переливать только людям с той же группой.

image

На практике часто встречаются системы с иерархической структурой, граф которых называется деревом (рис. 1.7).

image

Дерево — это ориентированный граф, хотя при его изображении не всегда рисуются стрелки. Обычно вершины дерева располагаются по уровням сверху вниз. Дуги направлены от верхних вершин к нижним. Каждая вершина может быть связана с одной вершиной верхнего уровня (исходной) и множеством вершин нижнего уровня (порожденными). Такая связь называется «один ко многим». Единственная вершина самого верхнего уровня называется корнем дерева. Вершины самого нижнего уровня, у которых нет порожденных вершин, называются листьями дерева. Дерево является связным графом. Это значит, что между любыми двумя вершинами имеется хотя бы один путь, связывающий их между собой. В дереве отсутствуют петли — замкнутые траектории связей. Поэтому маршрут перемещения по дереву между любыми двумя вершинами всегда является единственным.

Структура организации файловой системы во внешней памяти компьютера является иерархической. Вершинами графа, отображающего файловую структуру, являются папки и файлы. Дуги отражают отношения вхождения одних вершин в другие. Дерево имеет многоуровневую структуру. Папка самого верхнего уровня называется корнем дерева. Конечные вершины такого дерева (листья) — это файлы и пустые папки.

image

Вопросы и задания

1. Какие существуют типы моделей систем? Чем они различаются?

2. Что такое граф? Из чего он состоит?

3. Какой граф называется неориентированным? Приведите примеры.

4. Какой граф называется ориентированным? Приведите примеры.

5. Нарисуйте в виде графа систему, состоящую из четырех одноклассников, между которыми существуют следующие связи (взаимоотношения): дружат — Саша и Маша, Саша и Даша, Маша и Гриша, Гриша и Саша. Анализируя полученный граф, ответьте на вопрос: с кем Саша может поделиться секретом, не рискуя, что тот станет известен кому-то другому?

6. Нарисуйте два варианта графа системы «Компьютер», содержащего следующие вершины: процессор, оперативная память, внешняя память, клавиатура, монитор, принтер:

а) линия связи обозначает отношение «передает информацию»;
б) линия связи обозначает отношение: «управляет».

Следующая страница § 3. Пример структурной модели предметной области

Источник

Adblock
detector