Справка
x
Поиск
Закладки
Озвучить книгу
Изменить режим чтения
Изменить размер шрифта
Оглавление
Для озвучивания и цитирования книги перейдите в режим постраничного просмотра.
Искусственный интеллект в задачах моделирования, управления, диагностики технологических процессов
3. Модели формирования решений в подсистемах управления, диагностики и верификации данных
Предыдущая страница
Следующая страница
Table of contents
Введение
1. Архитектура автоматизированных технологических комплексов с развитой функциональностью
+
2. Методы моделирования процессов
+
3. Модели формирования решений в подсистемах управления, диагностики и верификации данных
-
3.1. Обзор задач и методов формирования решений
3.1.1. Системы: задачи анализа и синтеза. Искусственные системы
3.1.2. Классификация систем
3.1.3. Модели представления знаний как основа построения моделей ФР
3.1.4. Модель формирования решений
3.2. Типовые задачи формирования решений и особенности их решения (управление, диагностика, верификация)
3.2.1. Обзор типовых задач формирования решений
3.2.2. Задача 1. Разработка автоматических систем регулирования (уровень control) и обеспечение их работоспособности
3.2.3. Задача 2. Разработка автоматизированных систем управления качеством производимой продукции (уровень диспетчерский или SCADA), включая подсистемы оценки качества и управления качеством
3.2.4. Задача 3. Разработка автоматизированной системы оптимизации процессов по технико-экономическим показателям - ТЭП (уровень диспетчерский или SCADA), включая подсистемы оценки ТЭП и оптимизации процессов по ТЭП
3.2.5. Задача 4. Диагностика состояния технических средств автоматизации, оценка адекватности моделей и их корректировка, верификация данных (ДАВ)
3.3. Общая схема синтеза конечно-автоматных и нечетких логических устройств
3.4. Синтез иерархических конечно-автоматных управляющих систем
3.5. Рекомендуемые методы ИИ для некоторых типовых задач
4. Примеры разработки элементов ИСУиОБ
+
Список использованной литературы
Приложение А. Правила нечетких инструкций, определяющие связь входных и выходных переменных (пример)
Приложение Б. Обучающая выборка нейронечеткой модели ANFIS
Приложение В. Экспериментальные данные для получения прогнозной модели оценки ИР
Данный блок поддерживает скрол*