В рамках інформаційної технології (ІТ) автоматизованого прогнозування несприятливих авіаційних подій в польоті з використанням глибоких нейронних мереж показані результати моделювання процесу навчання гібридної нейронної мережі на основі згорткових та рекурентних нейронних мереж з використанням фреймворків Keras та TensorFlow з визначенням оптимального значення коефіцієнта швидкості навчання за визначену кількість епох навчання. Мета статті - оцінка ефективності застосування ІТ автоматизованого прогнозування несприятливих авіаційних подій в польоті з використанням глибоких нейронних мереж. Проведено оцінку точності прогнозування несприятливих авіаційних подій в польоті в ході функціонування гібридної нейронної мережі з використанням запропонованої ІТ. Проведено порівняння одержаних результатів оцінки точності прогнозування несприятливих авіаційних подій в польоті з використанням існуючих підходів на основі нейромережевих моделей класичних Recurrent neural network, Long short-term memory, Convolutional neural network і запропонованого підходу на основі модифікованого нейромережевого класифікатора з комплексним використанням Convolutional neural network та Recurrent neural network. Результати порівняння дозволяють зробити висновок, що застосування розробленої ІТ, що реалізовує дану гібридну нейромережеву модель, дозволяє одержати виграш в точності та в повноті класифікації несприятливих авіаційних подій в польоті.

  Повний текст PDF - 556.555 Kb    Зміст випуску     Цитування публікації

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