Сhoosing the best type neural network jet contour diagnostics engines
DOI:
https://doi.org/10.18372/2306-1472.27.1311Abstract
In the paper the choice problems of neurons type for neural network is considered. The neurons types has to be , optimal from the point of work stability, training speed and quality of gas turbine engine technical condition class recognition by work process parameters. Results of researches are given.
References
Медведев В.С., Потемкин В.Г. Нейронные сети. Matlab 6 / Под общ. ред. В.Г. Потемкина. –М.: ДИАЛОГ-МИФИ, 2002. – 496 с.
Кучер О.Г., Якушенко О.С., Сухоруков В.Ю. Розпізнавання технічного стану авіаційних ГТД з використанням нейронних мереж // Вісн. двигунобудування. – Запоріжжя: ЗНТУ; ХАІ, Мотор- Січ. – 2002. – №1. – С. 101 – 106.
Якушенко О.С. Нейронні мережі для діагностування газотурбінних двигунів //Вісн. НАУ. – 2004. –№ 2 (20) . – С. 67–71.
Кучер О.Г., Якушенко О.С., Сухоруков О.Ю. Оптимізація методу навчання нейронної мережі для розпізнавання класу технічного стану ГТД // Авіаційна техніка і технологія: Зб. наук. пр. – Х.: Нац. аерокосм. ун-т "ХАІ"; Миколаїв: УМФ Наука, 2004. – 7(15). – С. 184 – 188.
Адаменко В.А., Дубровин В.И., Субботин С.А. Диагностика лопаток авиадвигателей по спектрам затухающих колебаний после ударного возбуждения на основе нейронных сетей прямого распространения // Нові матеріали і технології в металургії та машинобудуванні. – 2000. – № 1. – С. 91–96.
Дубровин В.И., Субботин С.А. Построение адаптивных систем классификации на основе нейронных сетей с латеральным торможением // Радіоелектроніка. Інформатика. Управління. – 1999. – №2. – C. 110–114.
Журавлева Л.А., Камышин В.В. Формирование модели авиационного двигателя с использованием средств искусственного интеллекта // Матеріали МНК «Авіа-2000». – К.: НАУ, 2000. – С. 67–72.
