The analysis of the existing training methods of multilayer neural network computing structures is carried out. By the use of computer simulation the most effective training methods are investigated. Recommendations of selected methods usage by examples of multilayer approximation tasks for technology of benefication are given. As software environments three independent application program packages (neuroemulators) of type were applied to computer simulation: Neuro Solution, Statistica Neural Networks and MATLAB Neural Networks Tools. Based on the results received in the course of research the comparative analysis was carried out them.

The paper presents a brief description of engineering and scientific problems which arise at the steel plant PJSC "ArcelorMittal Kryvyi Rih" when organizing a repair workshop to fix industrial equipment. The attention is paid to innovative methods of repair process based on intelligent agents and Industry 4.0 principles.

Запропоновано концепцію модульної кіберфізичної системи для ранньої діагностики промислового та приватного енергетичного обладнання на основі використання підходів і стандартів Industry 4.0, зокрема концепції Internet of Thіngs. Головною задачею запропонованої концепції та підходів є виконання непрямої діагностики та ідентифікації будь-якого енергетичного обладнання, головним елементом якого є асинхронний двигун, зокрема визначення несправностей і підвищеного енергоспоживання. З метою реалізації поставлених задач запропоновано використання модульної структури Smart Box діагностувальних пристроїв. Запропоновано модель модульної кіберфізичної системиіз застосуванням Smart Box прийстрою для ранньої технічної діагностики електрообладнання та його інформаційні потоки. Це надає можливість розподіляти всі технологічні об'єкти підприємства на окремі структурні одиниці, які можуть бути частиною інформаційного кластеру. Це надає можливість зменшити час реакції в кластерній системі на 30 - 35 %, у порівнянні зі звичайною. Також, використання даного типу системи надає можливість зменшити кількість спеціалізованого обладнання у межах використання однотипного енергетичного обладнання. Як обчислювальне ядро Smart Box пристрою запропоновано використовувати структуру нейро-нечіткої мережі, яка складається з 5 шарів. Особливістю даної системи є можливість зміни кількості термів вхідних змінних з метою підвищення якості ідентифікації асинхронних двигунів. Як інформативні ознаки обрано характерні частоти, які ідентифікують електродвигун у електромережі. Зокрема, у системах з малими генерувальними потужностями, з метою збільшення діагностованих асинхронних двигунів у межах кластеру, доцільно зменшити вхідну множину, наприклад, до 3 - 4 ХЧ. Отримані результати дослідження у вигляді моделі модульної кіберфізичної системи можна використовувати у процесі побудови апаратно-програмних модулів для діагностики технологічного та побутового електрообладнання. Своєю чергою, дані модулі можуть обє'єднуватися у загальну глобальну мережу IoT.

It is necessary to determine the optimal methodology for the system of predictive analysis of equipment to prevent emergency situations. The system may include, in particular: data input/reading from sensors, processing/storage of information in a database using algorithms for processing Big Data and decision trees [1]. Identifying possible types of problems and making decisions on how to respond to them; training the system for more accurate response and decision-making.

It is necessary to determine the optimal methodology for the system of predictive analysis of equipment to prevent emergency situations. The system may include, in particular: data input/reading from sensors, processing/storage of information in a database using algorithms for processing Big Data and decision trees [1]. Identifying possible types of problems and making decisions on how to respond to them; training the system for more accurate response and decision-making.

Показано актуальність автоматизованого управління енергетичними потоками за умов підземного видобутку залізної руди. Визначено вектор стану об'єкта, основні інформаційні параметри, керуючий вплив та обурення. Розроблено алгоритми автоматизованого управління з використанням декількох стратегій і каналів управління. Запропоновано принципи реалізації зазначених алгоритмів на основі використання нечіткої логіки (Fuzzy Logic). Здійснено моделювання роботи нечітких контролерів у середовищі програмного пакету MatLab. Доведено працездатність алгоритмів функціонування нечітких регуляторів в умовах одноканального і багатоканального управління.

Паралізовані люди мають додаткові перешкоди в багатьох сферах життя, включаючи такі прості дії як вмикання/вимикання освітлення та керування повітряним кондиціонером. Мета роботи - розробка взаємодії мозок-річ в низькій ціновій категорії для контролю підсистем розумного будинку людьми, які паралізовані нижче шиї. Неінвазивний прилад Sichiray TGAM вимірює активність мозку людей за допомогою датчика електроенцефалограми і потім передає інформацію через Bluetooth на модуль HC-05, який підключений до мікроконтролера Arduino Mega. Інформація щодо пристроїв розумного будинку показується паралізованій людині на екрані модуля LCD 1602, який підключений до того ж Arduino Mega. Паралізована людина вибирає опцію за допомогою подвійного моргання, що відображується в нульовому значенні якості сигналу та величинах нижніх і середніх гамма хвиль менше ніж десять в трьох послідовних Bluetooth пакетах. Команди керування надсилаються від Arduino Mega (MQTT-видавець) до пристроїв (MQTT-підписники) розумного будинку, які аналізують їх і виконують певну операцію, наприклад відкриття дверей та вмикання/вимикання сигналізації. П'ять чоловіків і п'ять жінок віком від 8 до 59 років тестували комплекс керування підсистемами розумного будинку на базі приладу Sichiray TGAM. Результати показали успішне освоєння і зацікавленість у використанні системи мозок-річ. Висновки: представлена концепція розумного будинку для паралізованих людей на базі принципу мозок-річ і MQTT взаємодії між MQTT-видавцем (прилад Sichiray TGAM з датчиком електроенцефалограми, який через Bluetooth підключений до мікроконтролера Arduino Mega) і пристроями розумного будинку загальною ціною близько USD 150. Перспективою подальшого розвитку є виробництво пристроїв готових до масового використання.