Defnyddiwch y dynodwr hwn i ddyfynnu neu i gysylltu â'r eitem hon: http://elartu.tntu.edu.ua/handle/lib/42568

Teitl: Застосування нейронних мереж для прогнозування дрейфу характеристик перетворення сенсорів
Teitlau Eraill: Prediction of sensor drift conversion characteristics using neural networks
Awduron: Турченко, В.
Кочан, Роман Володимирович
Карачка, А.
Tyrchenko, V.
Kochan, R.
Karachka, A.
Affiliation: Тернопільська академія народного господарства
Bibliographic description (Ukraine): Турченко В. Застосування нейронних мереж для прогнозування дрейфу характеристик перетворення сенсорів / Турченко В., Кочан Р., Карачка А. // Вісник ТДТУ. — Т. : ТДТУ, 2000. — Том 5. — № 4. — С. 102–108. — (Приладобудування та інформаційно-вимірювальні системи).
Bibliographic description (International): Tyrchenko V., Kochan R., Karachka A. (2000) Zastosuvannia neironnykh merezh dlia prohnozuvannia dreifu kharakterystyk peretvorennia sensoriv [Prediction of sensor drift conversion characteristics using neural networks]. Scientific Journal of TSTU (Tern.), vol. 5, no 4, pp. 102-108 [in Ukrainian].
Is part of: Вісник Тернопільського державного технічного університету, 4 (5), 2000
Scientific Journal of the Ternopil State Technical University, 4 (5), 2000
Journal/Collection: Вісник Тернопільського державного технічного університету
Issue: 4
Volume: 5
Dyddiad Cyhoeddi: 21-Nov-2000
Submitted date: 14-Aug-2000
Date of entry: 4-Sep-2023
Cyhoeddwr: ТДТУ
TSTU
Place of the edition/event: Тернопіль
Ternopil
UDC: 621.3
681.3
Number of pages: 7
Page range: 102-108
Start page: 102
End page: 108
Crynodeb: Розглянуто застосування набору нейронних мереж з різними властивостями для підвищення точності збору і обробки сенсорних даних шляхом прогнозування дрейфу характеристик перетворення сенсорів. Запропоновано метод прогнозу дрейфу характеристик перетворення сенсорів на ранній стадії їхньої експлуатації, досліджений шляхом імітаційного моделювання для різного виду дрейфів
The proposed method of conversion characteristics prediction of sensor drift allows providing error reduction of physical quantity measurement in intelligent systems by self-adaptation. The self-adaptation is provided by interaction of neural networks with various properties. The proposed method allows successfully to predict various kinds of conversion characteristics of sensor drift and to reduce sensor errors on early stage of their exploitation. This method successfully can be used in intelligent distributed systems, where neural network training is performed on the higher system's level and properly prediction is performed on the lower level
URI: http://elartu.tntu.edu.ua/handle/lib/42568
Copyright owner: © Тернопільський державний технічний університет імені Івана Пулюя, 2001
URL for reference material: http://www.fluke.com/products/data_acquisition/hydra/home.asp?SID=7&AGID=0&PID=5308
http://www.thermo-electra.com
http://www.sensym.com
References (Ukraine): 1. http://www.fluke.com/products/data_acquisition/hydra/home.asp?SID=7&AGID=0&PID=5308
2. http://www.thermo-electra.com
3. DIN IEC 751
4. DIN IEC 584-2
5. DIN 43710
6. http://www.sensym.com
7. Левин И.Я., Рогельберг И.Л. Исследование сплавов для термопар // Сб. тр. института Гипроцветметобработка.- М.: Металлургия, 1971. Вып.32. - 93 с.
8. Саченко А.А. Мильченко В.Ю. Чырка М.И. Экспериментальные исследования нестабильности градуировочных характеристик термоэлектрических преобразователей градуировки хромель алюмель // "Измерительная техника". – 1985. - N 10. - С. 28-29
9. J. Brignell. "Digital compensation of sensors", Scientific Instruments, 1987, №9, - P. 1097-1102.
10. Саченко A.С. Разработка методов повышения точности и создание систем прецизионного измерения температур в промышленных технологиях. -Дисертация на соискание степени д.т.н. - Ленинград, 1988. - 417с.
11. Golovko V., Grandinetti L., Kochan V., Laopoulos T., Sachenko A., Turchenko V. Sensor Signal Processing Using Neural Networks // Proc. IEEE Region 8 Intern. Conf. Africon’99. - Cape Town (South Africa). – 1999. - P. 339-344.
12. Kroese B. An Introduction to Neural Networks. - Amsterdam: University of Amsterdam. - 1996. - 120 p.
13. Widrow B., Hoff M. Adaptive Switching Circuits // In 1960 IRE WESCON Conversion Record. – DUNNO. – 1960. - P. 96-104.
14. A.Sachenko, V.Kochan, V.Turchenko, V.Golovko, J.Savitsky, A.Dunets, T. Laopoulos. Sensor Errors Prediction Using Neural Networks // Proceedings of the IEEE-INNS-ENNS International Joint Conference on Neural Networks (IJCNN'2000). - Como (Italy). - 2000. - Vol. IV, P. 441-446.
15. Rumelhart D., Hinton G., Williams R. Learning representation by backpropagation errors // Nature. – 1986. – No 323. – P. 533-536.
16. V.Golovko, J.Savitsky, A.Sachenko, V.Kochan, V.Turchenko, T.Laopoulos, L.Grandinetti. Intelligent System for Prediction of Sensor Drift // Proc. Intern. Conf. Neural Networks and Artificial Intelligence (ICNNAI’99). – Brest (Belarus). – 1999. – P. 126-135.
17. A.Sachenko, V.Kochan, V.Turchenko, T.Laopoulos, V.Golovko, L.Grandinetti. Features of Intelligent Distributed Sensor Network Higher Level Development // Proceedings of 17th IEEE Instrumentation and Measurement Technology Conference (IMTC/2000). – Baltimore (USA). – 2000. - P. 335-340.
18. V.Golovko, L.Grandinetti, V.Kochan, T.Laopoulos, A.Sachenko, V.Turchenko, V.Tymchyshyn. Approach of an Intelligent Sensing Instrumentation Structure Development // Proc. IEEE Intern. Workshop on Intelligent Signal Processing (WISP’99). – Budapest (Hungary). – 1999. – P. 336-341.
References (International): 1. http://www.fluke.com/products/data_acquisition/hydra/home.asp?SID=7&AGID=0&PID=5308
2. http://www.thermo-electra.com
3. DIN IEC 751
4. DIN IEC 584-2
5. DIN 43710
6. http://www.sensym.com
7. Levin I.Ia., Rohelberh I.L. Issledovanie splavov dlia termopar, Sb. tr. instituta Hiprotsvetmetobrabotka, M., Metallurhiia, 1971. Iss.32, 93 p.
8. Sachenko A.A. Milchenko V.Iu. Chyrka M.I. Eksperimentalnye issledovaniia nestabilnosti hraduirovochnykh kharakteristik termoelektricheskikh preobrazovatelei hraduirovki khromel aliumel, "Izmeritelnaia tekhnika", 1985, N 10, P. 28-29
9. J. Brignell. "Digital compensation of sensors", Scientific Instruments, 1987, No 9, P. 1097-1102.
10. Sachenko A.S. Razrabotka metodov povysheniia tochnosti i sozdanie sistem pretsizionnoho izmereniia temperatur v promyshlennykh tekhnolohiiakh. -Disertatsiia na soiskanie stepeni d.t.n, Leninhrad, 1988, 417p.
11. Golovko V., Grandinetti L., Kochan V., Laopoulos T., Sachenko A., Turchenko V. Sensor Signal Processing Using Neural Networks, Proc. IEEE Region 8 Intern. Conf. Africon’99, Cape Town (South Africa), 1999, P. 339-344.
12. Kroese B. An Introduction to Neural Networks, Amsterdam: University of Amsterdam, 1996, 120 p.
13. Widrow B., Hoff M. Adaptive Switching Circuits, In 1960 IRE WESCON Conversion Record, DUNNO, 1960, P. 96-104.
14. A.Sachenko, V.Kochan, V.Turchenko, V.Golovko, J.Savitsky, A.Dunets, T. Laopoulos. Sensor Errors Prediction Using Neural Networks, Proceedings of the IEEE-INNS-ENNS International Joint Conference on Neural Networks (IJCNN'2000), Como (Italy), 2000, Vol. IV, P. 441-446.
15. Rumelhart D., Hinton G., Williams R. Learning representation by backpropagation errors, Nature, 1986, No 323, P. 533-536.
16. V.Golovko, J.Savitsky, A.Sachenko, V.Kochan, V.Turchenko, T.Laopoulos, L.Grandinetti. Intelligent System for Prediction of Sensor Drift, Proc. Intern. Conf. Neural Networks and Artificial Intelligence (ICNNAI’99), Brest (Belarus), 1999, P. 126-135.
17. A.Sachenko, V.Kochan, V.Turchenko, T.Laopoulos, V.Golovko, L.Grandinetti. Features of Intelligent Distributed Sensor Network Higher Level Development, Proceedings of 17th IEEE Instrumentation and Measurement Technology Conference (IMTC/2000), Baltimore (USA), 2000, P. 335-340.
18. V.Golovko, L.Grandinetti, V.Kochan, T.Laopoulos, A.Sachenko, V.Turchenko, V.Tymchyshyn. Approach of an Intelligent Sensing Instrumentation Structure Development, Proc. IEEE Intern. Workshop on Intelligent Signal Processing (WISP’99), Budapest (Hungary), 1999, P. 336-341.
Content type: Article
Ymddengys yng Nghasgliadau:Вісник ТДТУ, 2000, том 5, № 4



Diogelir eitemau yn DSpace gan hawlfraint, a chedwir pob hawl, onibai y nodir fel arall.