Розглянуто питання вибору оптимального алгоритму навчання нейронної мережі, визначення типів нейронів у різних шарах багатошарової мережі та оптимізації кількості нейронів у проміжних шарах. Як об'єкт оптимізації обрано статичні мережі з прямим розповсюджуванням сигналу. За критерії оптимізації нейронної мережі взято відсоток помилок розпізнавання та відсоток грубих помилок розпізнавання. Під час навчання та оптимізації мережі використано навчальну та тестову вибірки даних, які описують 16 класів технічного стану (ТС) авіаційного двигуна ПС-90А. Вибірки включають такі первинні класи ТС: бездефектний ГТД і ГТД з дефектами вентилятора, компресора високого тиску, камери згоряння, турбіни високого і низького тиску, а також вторинні класи (попарні комбінації первинних дефектних класів). Як ознаки стану використано нормовані діагностичні відхилення параметрів робочого процесу. У разі вибору алгоритму навчання розглянуто алгоритми Флетчера - Пауела, Полака - Рібейри, Бієля - Пауела, Левенберга - Марквардта, Бройдена - Флетчера, Батіті, регуляризації Баузена та алгоритм зворотного поширення помилки. Як найбільш оптимальний обрано алгоритм Полака - Рібейри. Як функцію активації в різних шарах мережі використано лінійну, гіперболічний тангенс та логістичну функції активації.

• Кучер Олег Григорович (юридичні науки)
• Кучер Олексій Григорович (технічні науки)
• Якушенко Олександр Сергійович (технічні науки)
• Степаненко Валентина Миколаївна (сільськогосподарські науки)
• Степаненко Вікторія Миколаївна (економічні науки)

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"