Издательство СО РАН

Издательство СО РАН

Адрес Издательства СО РАН: Россия, 630090, а/я 187
Новосибирск, Морской пр., 2

soran2.gif

Baner_Nauka_Sibiri.jpg


Яндекс.Метрика

Array
(
    [SESS_AUTH] => Array
        (
            [POLICY] => Array
                (
                    [SESSION_TIMEOUT] => 24
                    [SESSION_IP_MASK] => 0.0.0.0
                    [MAX_STORE_NUM] => 10
                    [STORE_IP_MASK] => 0.0.0.0
                    [STORE_TIMEOUT] => 525600
                    [CHECKWORD_TIMEOUT] => 525600
                    [PASSWORD_LENGTH] => 6
                    [PASSWORD_UPPERCASE] => N
                    [PASSWORD_LOWERCASE] => N
                    [PASSWORD_DIGITS] => N
                    [PASSWORD_PUNCTUATION] => N
                    [LOGIN_ATTEMPTS] => 0
                    [PASSWORD_REQUIREMENTS] => Пароль должен быть не менее 6 символов длиной.
                )

        )

    [SESS_IP] => 18.225.255.196
    [SESS_TIME] => 1732356673
    [BX_SESSION_SIGN] => 9b3eeb12a31176bf2731c6c072271eb6
    [fixed_session_id] => 53e204852352398655895d80db7182e1
    [UNIQUE_KEY] => 861c96b2067b0d67426e0f0c667068d1
    [BX_LOGIN_NEED_CAPTCHA_LOGIN] => Array
        (
            [LOGIN] => 
            [POLICY_ATTEMPTS] => 0
        )

)

Поиск по журналу

Автометрия

2023 год, номер 2

СРАВНЕНИЕ НЕЙРОСЕТЕВЫХ МЕТОДОВ ПРЕДОБРАБОТКИ ДАННЫХ ПРИ РЕШЕНИИ ЗАДАЧ АНАЛИЗА, ДИАГНОСТИКИ И КЛАССИФИКАЦИИ ДЕФЕКТОВ РАДИОЭЛЕКТРОННОЙ АППАРАТУРЫ

Б.П. Иваненко, С.А. Клестов, В.И. Сырямкин
Томский государственный университет, Томск, Россия
ivanenko_boris@mail.ru
Ключевые слова: дефектоскопия, нейронные сети, сплайны, регуляризация
Страницы: 17-24

Аннотация

Рассматриваются вопросы предобработки данных, полученных с рентгеновского 3D- микротомографа, при решении задач анализа, диагностики и классификации дефектов радиоэлектронной аппаратуры. Предлагается при решении поставленной задачи использовать нейросетевые методы и регуляризирующие сплайны. Проводится сравнительный анализ нейросетевых и сплайн-методов при решении задач восстановления сильно зашумлённых сигналов. Эффективность предложенного подхода исследована методами численного моделирования и при обработке реальных данных.

DOI: 10.15372/AUT20230202
EDN: RGVDSI
Добавить в корзину
Товар добавлен в корзину