МЕТОДЫ И АЛГОРИТМЫ ОБУЧЕНИЯ НЕЙРОСЕТИ НА ОСНОВЕ ЭКСПЕРТНЫХ ЗНАНИЙ ДЛЯ УПРАВЛЕНИЯ ЧС НА ЖЕЛЕЗНОЙ ДОРОГЕ

Аннотация

В условиях цифровизации и усложнения процессов управления возрастает потребность в интеллектуальных системах поддержки принятия решений, способных эффективно функционировать в слабо формализуемых предметных областях. Особую актуальность данная проблема приобретает в ситуациях, характеризующихся дефицитом наблюдаемых данных, высокой неопределённостью и значительной ролью человеческого фактора. В таких условиях традиционные методы обучения искусственных нейронных сетей оказываются ограниченно применимыми, что требует разработки новых подходов, ориентированных на использование экспертных знаний. Целью исследования является разработка метода обучения искусственной нейронной сети на основе знаний эксперта, обеспечивающего формирование обучающей выборки в условиях отсутствия достаточного массива статистических наблюдений. Для достижения поставленной цели в работе решены задачи анализа существующих подходов к обучению ИНС, разработки алгоритмов формирования массива обучающих пар «стимул–реакция», обработки обучающих данных и обучения нейросетевой модели с использованием визуальных образов ситуаций. Результаты исследования заключаются в разработке оригинального метода обучения ИНС, основанного на экспертной классификации визуально представленных ситуаций, а также в создании алгоритмов генерации, обработки и использования обучающей выборки. Показано, что обученная таким образом ИНС аккумулирует как формализуемые, так и подсознательные компоненты экспертного знания и может использоваться в режимах «чёрного» и «серого» ящика. В заключении обоснована истинность выдвинутой гипотезы о возможности эффективного обучения ИНС в условиях дефицита данных за счёт интеграции экспертных знаний. Определены перспективы практического применения разработанного метода в интеллектуальных системах поддержки принятия решений и направления дальнейших исследований.