Обзор статьи

О применении нейронной сети для моделирования процессов течения воздушной среды

УДК: 

697.922.26

DOI: 

10.23968/1999-5571-2019-16-6-246-251

Страницы: 

246-251

Аннотация: 

Рассматривается пример применения виртуальной нейронной сети для решения задачи поиска зависимости скорости течения потока воздуха в воздуховоде от угла поворота пластины дроссель-клапана. Описываются перспективы данного метода в решении задач комплексного моделирования элементов систем вентиляции и кондиционирования воздуха, а также параметров микроклимата.

Список цитируемой литературы: 

  1. Гримитлин А. М., Дацюк Т. А., Денисихина Д. М. Математическое моделирование вентиляционных процессов: монография. СПб.: АВОК Северо-Запад, 2013. 192 с

  2. Дацюк Т. А., Сауц А. В., Юрманов Б. Н., Таурит В. Р. Моделирование процессов вентиляции // Современные проблемы науки и образования. 2012. № 5. URL: http://www.science-education.ru/ru/article/view?id=6744 (дата обращения: 10.06.2019)

  3. Рассел С., Норвиг П. Искусственный интеллект. Современный подход. 2-е изд. М.: Вильямс, 2007. 1408 с

  4. Степанов П. П. Искусственные нейронные сети // Молодой ученый. 2017. № 4. С. 185-187

  5. Саргсян С. В. Исследование способов организации воздухообмена и систем воздухораспределения на физических моделях в лабораторных условиях // Научное обозрение. 2015. № 16. С. 68-71

  6. Богословский В. Н., Пирумов А. И., Посохин В. Н. и др. Внутренние санитарно-технические устройства: в 3 ч. Вентиляция и кондиционирование воздуха. Книга 1 / под ред. H. H. Павлова и Ю. И. Шиллера. 4-е изд., перераб. и доп. М.: Стройиздат, 1992. Ч. 3. 319 с

  7. Игнатьев Н. А. Выбор минимальной конфигурации нейронных сетей // Вычисл. технологии. 2001. Т. 6, № 1. С. 23-28

  8. Коэльо Л. П., В. Ричарт Построение систем машинного обучения на языке Python / пер. с англ. А. А. Слинкина. 2-е изд. М.: ДМК Пресс, 2016. 302 с

  9. Черкасов Д. Ю. Машинное обучение // Наука, техника и образование. 2018. № 5. С. 85-87

  10. Гребенникова И. В. Методы математической обработки экспериментальных данных. 2-е изд., стер. М.: Флинта, Изд-во Урал. ун-та, 2017. 124 с

  11. Игнатьев Н. А., Мадрахимов Ш. Ф. О некоторых способах повышения прозрачности нейронных сетей // Вычисл. технологии. 2003. Т. 8, № 6. С. 31-37

  12. Игнатьев Н. А. Извлечение явных знаний из разнотипных данных с помощью нейронных сетей // Вычисл. технологии. 2003. Т. 8, № 2. С. 69-73

  13. Логунова О. С., Романов П. Ю., Ильина Е. А. [и др.]. Обработка экспериментальных данных на ЭВМ. М. : ИНФРА-М, 2018. 326 с

  14. Морозов В. В., Соботковский Б. Е., Шейнман И. Л. Методы обработки результатов физического эксперимента / под ред. А. И. Мамыкина. СПб.: СПбГЭТУ «ЛЭТИ», 2004.

  15. Роберт Каллан. Нейронные сети. Краткий справочник / пер. с англ. М.: Издательский дом «Вильямc», 2018. 288 с

Ключевые слова: 

Полный текст (файл): 

PDF

Авторы: 

Киборт И. Д. Ухтинский государственный технический университет

Другие статьи авторов: 

Выпуск журнала

№ 6 (77) Декабрь 2019