АВТОМАТИЧНЕ КЕРУВАННЯ ТЕХНОЛОГІЧНИМ ПРОЦЕСОМ З ВИКОРИСТАННЯМ НЕЙРОННИХ МЕРЕЖ ДЛЯ ВИЗНАЧЕННЯ ПАРАМЕТРІВ ВИРОБНИЧОГО ПРОЦЕСУ
DOI:
https://doi.org/10.33042/2522-1809-2022-3-170-7-11Ключові слова:
автоматичне керування, нафтогазова галузь, технологічний процес, комп’ютерні мережі, глибокі нейронні мережі.Анотація
У багатофакторних системах з використанням текстової та графічної інформації в матричній факторизації для полегшення проблеми роздільної обробки даних на підприємстві при автоматичному керуванні можливо використовувати нейронні мережі. Останнім часом в деяких роботах, присвячених дослідженню нейронних мереж, для глибшого розуміння змісту текстових та графічних елементів, досягнення ефектності шляхом створення більш точних моделей розпізнавання елементів та параметрів виробничого процесу використовують штучний інтелект.
Посилання
Blei, D.M., Ng, A.Y., & Jordan, M.I. (2003). Latent dirichlet allocation. Journal of Machine Learning Research, 3, 993–1022.
Bobadilla, J., Ortega, F., Hernando, A., Gutierrez, A. (2013). Recommender systems survey. Knowledge-Based Systems, 46, 109–132. DOI: https://doi.org/10.1016/j.knosys.2013.03.012
Cao, D., He, X., Nie, L., Wei, X., Hu, X., Wu, S., Chua, T. (2017). Cross-platform app recommendation by jointly modeling ratings and texts. ACMTrans. Information Systems, 35, 1–37. DOI: https://doi.org/10.1145/3017429
Gao, J., Zhou, T. (2017). Evaluating user reputation in online rating systems via an iterative group-based ranking method. Physica: Statistical Mechanics Its Applications, 473, 546–560. DOI: https://doi.org/10.48550/arXiv.1509.00594
He, R., McAuley, J. (2016). Ups and downs: Modeling the visual evolution of fashion trends with one-class collaborative filtering. 25th International Conference on World Wide Web (WWW’16), 507–517. DOI: https://doi.org/10.48550/arXiv.1602.01585
Johnson, R., Zhang, T. (2014). Effective use of word order for text categorization with convolutional neural networks. 34th Annual Conference of IEEE Industrial Electronics, 268–273. DOI: https://doi.org/10.48550/arXiv.1412.1058
Koren, Y., Bell, R., Volinsky, C. (2009). Matrix factorization techniques for recommender systems. Compute, 42, 30–37.
Lu, L., Zhou, T. (2011). Link prediction in complex networks. Physica: Statistical Mechanics and Its Applications, 390, 1150–1170. DOI: https://doi.org/10.48550/arXiv.1010.0725
Mikolov, T., Sutskever, I., Chen, K., Corrado, G.S., Dean, J. (2013). Distributed representations of words and phrases and their compositionality. The 27th Annual Conference on Neural Information Processing Systems (NIPS’13), 3111–3119. DOI: https://doi.org/10.48550/arXiv.1310.4546
Salakhutdinov, R., Mnih, A. (2007). Probabilistic matrix factorization. Proceedings of the Twenty-First Annual Conference on Neural Information Processing Systems (NIPS’07), 1257–1264.
Tang, D., Qin, B., Liu, T. (2015). Document modeling with gated re-current neural network for sentiment classification. Proceedings of the 25 Conference on Empirical Methods in Natural Language Processing (EMNLP’15), 1422–1432. DOI: http://dx.doi.org/10.18653/v1/D15-1167
Wang, C., Blei, D.M. (2011). Collaborative topic modeling for recommending scientific articles. Proceedings of the 17th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD’11), 448–456. DOI: https://doi.org/10.1145/2020408.2020480
Zhang, F., Yuan, N. J., Lian, D., Xie, X., Ma, W.-Y. (2016). Collaborative knowledge base embedding for recommender systems. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD’16), 353–362. DOI: https://doi.org/10.1145/2939672.2939673
Zhao, D.-D., Zeng, A., Shang, M.-S., Gao, J. (2013). Long-term effects of recommendation on the evolution of online systems. Chinese Physics Letters, 30, 888–901.
Zhou, T., Kuscsik, Z., Liu, J.-G., Medo, M., Wakeling, J. R., Zhang, Y.-C. (2010). Solving the apparent diversity-accuracy dilemma of recommender systems. The Proceedings of the National Academy of Sciences of the United States of America (PNAS), 107, 4511–4515. DOI: https://doi.org/10.1073/pnas.1000488107
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Автори, які публікуються у цьому збірнику, погоджуються з наступними умовами:
- Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії CC BY-NC-ND 4.0 (із Зазначенням Авторства – Некомерційна – Без Похідних 4.0 Міжнародна), котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
- Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
- Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
