ИССЛЕДОВАНИЕ ЭФФЕКТИВНОСТИ ПРОГРАММНОГО КОМПЛЕКСА ИДЕНТИФИКАЦИИ СЛУЧАЙНЫХ ВРЕМЕННЫХ РЯДОВ НА ОСНОВЕ ГЕНЕТИЧЕСКОЙ НАСТРОЙКИ ПАРАМЕТРОВ

Жуманов И.И., Холмонов С.М.

Email: ЖумановАдрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.

Жуманов Исраил Ибрагимович – доктор технических наук, профессор,

Холмонов Сунатилло Махмудович – ассистент,

кафедра информационных технологий,

Самаркандский государственный университет,

г. Самарканд, Республика Узбекистан

Аннотация: в статье разработан модифицированный генетический алгоритм (ГА) на основе совмещения, обобщения возможностей и использования свойств генетических операторов эволюционного моделирования. Разработан модифицированный генетический алгоритм, формирующий информативное множество координатных точек в пространстве существования целевой функции идентификации случайных временных рядов (СВР), которые отражают эволюцию и движение точек в сторону оптимальных значений. Предложена методика оптимизации поиска глобального экстремума путем представления общего интервала существования значений переменного параметра в виде сегментов, которые позволяют извлекать нестационарные свойства СВР для выработки специальных правил обработки данных. Исследована эффективность программного комплекса идентификации СВР на основе механизмов настройки параметров по рекуррентным зависимостям, традиционным и модифицированным ГА.

Ключевые слова: нестационарный объект, генетический алгоритм, идентификация, настройка параметров, оператор, диапазон поиска, вероятность решения, число обращений, целевая функция, оптимизация.

 INVESTIGATION OF EFFICIENCY OF THE SOFTWARE FOR IDENTIFICATION OF RANDOM TIME SERIES ON THE BASIS OF GENETIC SETTING OF PARAMETERS

Jumanov I.I., Kholmonov S.M.

Jumanov Isroil Ibragimovich – Doctor of Technical Sciences, Professor;

Kholmonov Sunatillo Mahmudovich – assistant,

INFORMATION TECHNOLOGIES DEPARTMENT,

SAMARKAND STATE UNIVERSUTY,

SAMARKAND, REPUBLIC OF UZBEKISTAN

Abstract: in the article the modified genetic algorithm (GA) is developed on the basis of combination, generalization of possibilities and use of properties of genetic operators from evolutionary modeling. The modified genetic algorithm is developed to form an informative set of coordinate points in existence space of objective function of identifying random time series (RTS), which reflect evolution and movement of points towards optimal values. The technique for optimizing search of global extremum is proposed by presenting the general interval of existence of variable parameter values ​​in the form of segments that allow extraction of non-stationary properties of RTS for developing special data processing rules. The effectiveness of the software complex is studied for identification of RTSs on the basis of mechanisms for tuning parameters by recurrence relations, traditional and modified GA.

Keywords: non-stationary object, genetic algorithm, identification, parameter adjustment, operator, search range, decision probability, number of calls, objective function, optimization.

Список литературы / References

1. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности / Г.К. Вороновский и др. Харьков/ Основа, 1997. C. 45-67.
2. Джуманов О.И. Система интеллектуального анализа и обработки данных на основе генетических алгоритмов контроля достоверности изображений непрерывных объектов // Х Международная Азиатская школа «Проблемы оптимизации сложных систем»/ Иссык-Кульская область. С. Булан-Соготу, 2014. С. 249-254.
3. Djumanov O.I., Kholmonov S.M. The modified model of training of neural networks in computer industrial systems with modules for nonstationary objects images processing // Control and Management. South Korea, Seoul – Uzbekistan. Tashkent, 2016. № 5. Р. 54-58.

Ссылка для цитирования данной статьи

		Тип лицензии на данную статью – CC BY 4.0. Это значит, что Вы можете свободно цитировать данную статью на любом носителе и в любом формате при указании авторства.
Жуманов И.И., Холмонов С.М. ИССЛЕДОВАНИЕ ЭФФЕКТИВНОСТИ ПРОГРАММНОГО КОМПЛЕКСА ИДЕНТИФИКАЦИИ СЛУЧАЙНЫХ ВРЕМЕННЫХ РЯДОВ НА ОСНОВЕ ГЕНЕТИЧЕСКОЙ НАСТРОЙКИ ПАРАМЕТРОВ // Проблемы современной науки и образования  №19 (101), 2017. - С. {см. журнал}.

ИДЕНТИФИКАЦИЯ ПАРАМЕТРОВ В СИСТЕМАХ МОНИТОРИНГА ПРОИЗВОДСТВЕННО-ТЕХНОЛОГИЧЕСКИХ КОМПЛЕКСОВ НА ОСНОВЕ ГЕНЕТИЧЕСКИХ МЕХАНИЗМОВ РЕГУЛИРОВАНИЯ

Жуманов И.И., Кодиров Б.

Email: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.

Жуманов Исраил Ибрагимович – доктор технических наук, профессор;

Кодиров Бекмурод – магистрант,

кафедра информационных технологий,

Самаркандский государственный университет,

г. Самарканд, Республика Узбекистан

Аннотация: в статье сформулирована проблема повышения качества идентификации случайных временных рядов (СВР) на основе эффективного поиска глобального и локальных экстремумов целевой функции оптимизации. Предложен новый подход к оптимизации поиска путем использования статистических и динамических характеристик СВР в качестве особей поколения популяции, а также отражения множества координатных точек в пространстве эволюции в сторону оптимальных значений. Определены условия для решения задач регуляции параметров на основе генетических алгоритмов с целью оптимизации идентификации СВР и обработки данных. Реализована интеллектуальная технология идентификации, анализа и обработки данных на основе многослойной нейронной сети с адаптивными алгоритмами обучения.

Ключевые слова: нестационарный объект, эволюционное моделирование, генетический алгоритм, идентификация, настройка параметров, целевая функция, глобальный и локальный экстремумы.

 IDENTIFICATION OF PARAMETERS IN SYSTEMS TO MONITORING MANUFACTURING-TECHNOLOGICAL COMPLEXES ON THE BASIS OF GENETIC MECHANISMS OF REGULATION

Jumanov I.I., Kodirov B.

Jumanov Isroil Ibragimovich – Doctor of Technical Sciences, Professor;

Kodirov Bekmurod – Undergraduate,

INFORMATION TECHNOLOGIES DEPARTMENT,

SAMARKAND STATE UNIVERSUTY,

SAMARKAND, REPUBLIC OF UZBEKISTAN

Abstract: in the article the problem of improving the quality of identification of random time series (RTS) is formulated on the basis of effective search for global and local extremums of objective optimization function. A new approach is proposed to search optimization using the statistical and dynamic characteristics of RTS as individual from population of generation, and to reflection a set of coordinate points in evolution space directly to optimal value. The conditions are determined for solving the problems of regulation of parameters based on genetic algorithms in order to optimize the identification of RTS and data processing. The intellectual technology is implemented for identification, analysis and data processing based on multilayer neural network with adaptive learning algorithms.

Keywords: non-stationary object, evolutionary modeling, genetic algorithm, identification, parameter adjustment, objective function, global and local extremes.

Список литературы / References

1. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности / Г.К. Вороновский, К.В. Махотило, С.Н. Петрашев, С.А. Сергеев. Харьков. Основа, 1997. С. 45-67.
2. Финн В.К. Об интеллектуальном анализе данных // Новости Искусственного интеллекта, 2004. № 3. С. 3-18.
3. Djumanov O.I. Adaptive designing for neuronetworking system of processing the data with non-stationary nature // “ATI - Applied Technologies & Innovations”. Issue 1. Prague, 2011. Volume 4. Рp. 48-57. 

Ссылка для цитирования данной статьи

		Тип лицензии на данную статью – CC BY 4.0. Это значит, что Вы можете свободно цитировать данную статью на любом носителе и в любом формате при указании авторства.
Жуманов И.И., Кодиров Б. ИДЕНТИФИКАЦИЯ ПАРАМЕТРОВ В СИСТЕМАХ МОНИТОРИНГА ПРОИЗВОДСТВЕННО-ТЕХНОЛОГИЧЕСКИХ КОМПЛЕКСОВ НА ОСНОВЕ ГЕНЕТИЧЕСКИХ МЕХАНИЗМОВ РЕГУЛИРОВАНИЯ // Проблемы современной науки и образования  №19 (101), 2017. - С. {см. журнал}.

МОДИФИЦИРОВАННЫЕ ВЫЧИСЛИТЕЛЬНЫЕ СХЕМЫ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ОПТИМИЗАЦИИ ОБРАБОТКИ ДАННЫХ

Джуманов О.И.

Email: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.

Джуманов Олимжон Исраилович – кандидат технических наук, доцент, кафедра информационных технологий, Самаркандский государственный университет, г. Самарканд, Республика Узбекистан

Аннотация: в статье разработаны методы адаптивного обучения нейронных сетей (НС) на основе проектирования рациональной архитектуры сети, определения числа слоев, нейронов в слоях, весовых коэффициентов сети по древовидной модели в виде ориентированного графа, в котором узлы соответствуют нейронам, а ребра межнейронным связям. Проанализирована эффективность реализации обобщенного алгоритма идентификации случайных временных рядов на основе НС с учетом влияния алгоритмов отбора, формирования информативных наборов обучающих данных, модифицированного обучения сети с настройкой параметров его структурных компонентов. Реализован комплекс программных модулей идентификации для прогнозирования сложных случайных процессов. Доказана эффективность синтеза алгоритмов извлечения и использования знаний, свойств и особенностей нестационарных объектов, обобщения возможностей НС, настройки параметров структурных компонентов.

Ключевые слова: нестационарный объект, идентификация, обработка данных, случайный временный ряд, настройка параметров, нейронная сеть, обучение, многопараметрический случайный процесс.

MODIFIED CALCULATING SCHEMES OF NEURAL NETWORKS FOR OPTIMIZATION OF DATA PROCESSING

Djumanov O.I.

Djumanov Olimjon Israilovich – PhD in Technical science, Associate Professor, INFORMATION TECHNOLOGIES DEPARTMENT, SAMARKAND STATE UNIVERSUTY, SAMARKAND, REPUBLIC OF UZBEKISTAN

Abstract: methods of adaptive learning of neural networks (NN) based on the design of a rational network architecture, determination of the number of layers, neurons in layers, weight coefficients of a network based on a tree-like model in the form of an oriented graph in which the nodes correspond to neurons, and ribs to inter-neural connections are developed in the article. The efficiency of the implementation of generalized algorithm is analyzed during identification of random time series based on NN taking into account the influence of algorithms for selection, formation of informative sets of training data, modified training of the network with adjustment of structural components parameters. A complex of software with identification modules are realized to predict complex random processes. The efficiency of synthesizing of algorithms for extracting and using knowledge, properties and features of non-stationary objects, generalizing the capabilities of NN, adjusting of structural components parameters is proved.

Keywords: non-stationary object, identification, data processing, random time series, parameter adjustment, neural network, training, multiparameter random process.

Список литературы / References

1. Финн В.К. Об интеллектуальном анализе данных // Новости Искусственного интеллекта, 2004. № 3. С. 3-18.
2. Джуманов О.И., Холмонов С.М. Оптимизация обучения нейросетевой системы обработки информации при распознавании и прогнозировании нестационарных объектов// 4-th International Conference on Application of Information and Communication Technologies, Tashkent. 12-14 Оctober 2010. Section 5. IEEE. Tashkent, 2010. Р. 17-21.
3. Djumanov O.I. Adaptive designing for neuronetworking system of processing the data with non-stationary nature // Peer-reviewed & Open access journal “ATI - Applied Technologies & Innovations”. Issue 1. April. 2011. Prague, 2011. Volume 4. Рp. 48-57. 

Ссылка для цитирования данной статьи

		Тип лицензии на данную статью – CC BY 4.0. Это значит, что Вы можете свободно цитировать данную статью на любом носителе и в любом формате при указании авторства.
Джуманов О.И. МОДИФИЦИРОВАННЫЕ ВЫЧИСЛИТЕЛЬНЫЕ СХЕМЫ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ОПТИМИЗАЦИИ ОБРАБОТКИ ДАННЫХ // Проблемы современной науки и образования  №19 (101), 2017. - С. {см. журнал}.

СОСТОЯНИЕ ОТРАСЛИ ТЯЖЕЛОГО МАШИНОСТРОЕНИЯ В РОССИИ И ПЕРСПЕКТИВЫ ЕЁ РАЗВИТИЯ

Заболотный Е.А., Бакулина А.А.

Email: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.

Заболотный Евгений Александрович - магистрант;

Бакулина Анна Александровна - кандидат экономических наук, доцент,

департамент корпоративных финансов и корпоративного управления,

Финансовый университет при Правительстве Российской Федерации,

г. Москва

Аннотация: в статье, на основе статистической информации, рассмотрены динамика и структура основных показателей, характеризующих отрасль машиностроения в Российской Федерации за период 2005 - 2015 гг. Проанализированы сложившиеся тенденции и закономерности, выявлены ключевые проблемы, связанные с производством машиностроительного оборудования, а также оценены перспективы дальнейшего развития отрасли в свете текущей политики импортозамещения. В заключении приводятся направления дальнейшего исследования и развития экономики отрасли машиностроения в Российской Федерации.

Ключевые слова: промышленность, машиностроение, динамика, структура, состояние, импортозамещение.

THE STATE OF THE HEAVY ENGINEERING INDUSTRY IN RUSSIA AND THE PROSPECTS FOR ITS DEVELOPMENT

Zabolotnyy E.A., Bakulina A.A.

Zabolotnyy Evgeniy Aleksandrovich – Undergraduate;

Bakulina Anna Aleksandrovna – PhD in Economics, Associate Professor,

DEPARTMENT OF CORPORATE FINANCE AND CORPORATE GOVERNANCE;

FINANCIAL UNIVERSITY UNDER THE GOVERNMENT OF THE RUSSIAN FEDERATION,

MOSCOW

Abstract: in the article, based on statistical information, the dynamics and structure of the main indicators characterizing the machine building industry in the Russian Federation for the period 2005-2015 are considered. Analyzed current trends and patterns, identified the key problems associated with the production of machine-building equipment, as well as assessed the prospects for further development of the industry in the light of the current policy of import substitution. In the conclusion directions of the further research and development of economy of branch of mechanical engineering in the Russian Federation are resulted.

Keywords: industry, mechanical engineering, dynamics, structure, state, import substitution.

Список литературы / References

1. Абрамян С.И. Проблемы современного машиностроения России и подходы к их решению / С.И. Абрамян, А.А. Федотов // Управление экономическими системами: электронный научный журнал, 2015. № 8 (80). С. 3.
2. Бодрунов С.Д. Россия: состояние и тенденции развития машиностроения / С.Д. Бодрунов // Научные труды Вольного экономического общества России, 2012. Т. 158. С. 99-105.
3. Воронина В.М. Экономические показатели деятельности промышленного предприятия и пути их улучшения: прикладные аспекты / В.М. Воронина, О.В. Федорищева // В сборнике: Формирование рыночного хозяйства: теория и практика сборник научных статей. Оренбург, 2015. С. 39-44.
4. Дубровина Н.А. Исследование динамики развития машиностроения России / Н.А. Дубровина // Вестник Университета (Государственный университет управления), 2014. № 12. С. 50-56.
5. Коростелева Е.М. Текущее состояние и перспективы развития машиностроительной отрасли в России / Е. М. Коростелева // Молодой ученый, 2011. № 8. Т. 1. С. 140-144.
6. Муханова И.В. Модернизация машиностроения России в условиях экономических санкций: проблемы и пути решения / И.В. Муханова // Экономический журнал, 2015. № 2. С. 34-41.
7. Соловенко И.С. Фактор внешнеэкономической деятельности в развитии машиностроения России на современном этапе / И.С. Соловенко, А.Д. Кононыхина // Актуальные проблемы современного машиностроения. Юргинский технологический институт. Томск, 2015. С. 423-427.
8. Тимофеев Д.Н. Изучение развития промышленности России в 1930–2011 годах с использованием статистических методов / Д.Н. Тимофеев, А.П. Цыпин // Экономическое возрождение России. № 1 (39), 2015. С. 54-59.
9. Цыпин А.П. О статистических методах периодизации исторических временных рядов макроэкономических показателей / А.П. Цыпин // Вестник НГУЭУ. № 4, 2015. С. 88-10.

Ссылка для цитирования данной статьи

		Тип лицензии на данную статью – CC BY 4.0. Это значит, что Вы можете свободно цитировать данную статью на любом носителе и в любом формате при указании авторства.
Заболотный Е.А., Бакулина А.А. ОСТОЯНИЕ ОТРАСЛИ ТЯЖЕЛОГО МАШИНОСТРОЕНИЯ В РОССИИ И ПЕРСПЕКТИВЫ ЕЁ РАЗВИТИЯ // Проблемы современной науки и образования  №19 (101), 2017. - С. {см. журнал}.

ОПТИМИЗАЦИЯ ОБРАБОТКИ ДАННЫХ НЕСТАЦИОНАРНЫХ ОБЪЕКТОВ НА ОСНОВЕ СИНТЕЗА НЕЙРОННЫХ СЕТЕЙ И НЕЧЕТКИХ ГЕНЕТИЧЕСКИХ АЛГОРИТМОВ

Бекмуродов З.Т.

Email: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.

Бекмуродов Зохид Толибович – ассистент, кафедра информационных технологий, Самаркандский государственный университет, г. Самарканд, Республика Узбекистан

Аннотация: в статье представлены результаты исследования и разработки методов и алгоритмов повышения качества идентификации и оптимизации обработки данных нестационарных объектов на основе разделения признакового пространства решения задач на параллельные сегменты с целью уменьшения времени поиска локальных экстремумов и регулирования значений параметров моделей на основе генетических алгоритмов. Предложен метод синтеза и обобщения возможностей алгоритмов сегментации, извлечения свойств данных, регулирования длины начальной и конечной популяции поколений, уровня расположения и ширины границ фильтрации нестационарных составляющих случайных временных рядов на основе нечетких правил. Спроектирован программный комплекс, ориентированный на использование встроенных сервисов, баз данных и знаний, традиционных и нечетких генетических алгоритмов.

Ключевые слова: нестационарный объект, генетический алгоритм, нечеткое множество, нечеткие выводы, идентификация, сегментация, настройка параметров, фильтрация, ширина границ, программный комплекc.

 OPTIMIZATION OF PROCESSING OF DATA OF NON-STATIONARY OBJECTS BASED ON SYNTHESIS OF NEURAL NETWORKS AND FUZZITIC GENETIC ALGORITHMS

Bekmurodov Z.T.

 Bekmurodov Zohid Tolibovich – assistant, INFORMATION TECHNOLOGIES DEPARTMENT, SAMARKAND STATE UNIVERSUTY, SAMARKAND, REPUBLIC OF UZBEKISTAN

Abstract: the article presents the results of research and development of methods and algorithms for improving the quality of identification and optimization of non-stationary objects data processing on the basis of separation of feature space for solving problems into parallel segments with the aim of reducing the time of searching for local extrema and adjusting the values of model parameters based on genetic algorithms. The proposed method synthesis and generalizes the capabilities of algorithms for segmentation, extracting data properties, regulating the length of initial and final population of generations, level of location and width of filtering boundaries for nonstationary components of random time series based on fuzzy rules. The software package oriented to use embedded services, databases and knowledge bases, traditional and fuzzy genetic algorithms is designed.

Keywords: non-stationary object, genetic algorithm, fuzzy set, fuzzy conclusions, identification, segmentation, parameter adjustment, filtering, width of borders, software.

Список литературы / References

1. Ярушкина Н.Г. Основы теории нечетких и гибридных систем / Учебное пособие. М.: Финансы и статистика, 2004.
2. Курейчик В.М. Генетические алгоритмы. // Учебник для вузов. Таганрог. Таганрог ТРТУ, 2002.
3. Djumanov O.I., Kholmonov S.M. Methods and algorithms of selection the informative attributes in systems of adaptive data processing for analysis and forecasting // “Applied Technologies and Innovations” Prague, 2012. Volume 8. November 2012. Рp.45-55.

Ссылка для цитирования данной статьи

		Тип лицензии на данную статью – CC BY 4.0. Это значит, что Вы можете свободно цитировать данную статью на любом носителе и в любом формате при указании авторства.
Бекмуродов З.Т. ОПТИМИЗАЦИЯ ОБРАБОТКИ ДАННЫХ НЕСТАЦИОНАРНЫХ ОБЪЕКТОВ НА ОСНОВЕ СИНТЕЗА НЕЙРОННЫХ СЕТЕЙ И НЕЧЕТКИХ ГЕНЕТИЧЕСКИХ АЛГОРИТМОВ // Проблемы современной науки и образования  №19 (101), 2017. - С. {см. журнал}.