Введение.
Глава 1. Развитие и системная интеграция интеллектуальных
функций промышленных систем обработки информации
1.1. Формулирование проблемы исследования.
1.2. Анализ состояния инженерных сетей нефтегазодобычи
1.3. Существующие математические модели и методы контроля и диагностики состояния инженерных сетей.
1.4. Современные программные комплексы контроля и диагностики, состояния инженерных сетей.
1.5. Формулирование цели и задач исследования.
Выводы по главе 1
Глава 2. Концепция интеллектуального нейрокомпыотинга.
2.1. Нейрокибернетический и нейробионический подходы к определению структурнофункциональной организации нейронных
сетей
2.2.редставление нейронных структур как функциональных сетей
2.3. Классификация интеллектуальных нейросистсм и разработка концепции.интеллектуального нейрокомпьютинга
2.3.1. Классификация интеллектуальных нейросистем.
2.3.2. Основные положения концепции интеллектуального нейрокомпьютинга.
2.3.3. Интеллектуальные функции системы обработки информации
2.3. Классификация нейронных структур и выбор начальной организации
нейросистемы
Выводы по главе 2.
Глава 3. Теоретические основы структурнофункциональной организации нейронных сетей в системах обработки информации.
3.1. Нейросетевые модели обработки информации.
3.1.1. Нейросетевые модели как основа интеграции процессов обработки информации в интеллектуальных нейросистемах
3.1.2. Нейросетевая модель для решения задач распознавания образов и классификации состояний объектов
3.1.3. Нейросетевая модель для. решения задач диагностики и
прогнозирования состояния автоматизированного технологического комплекса.
3.1.4. Нейросетевая модель для .решения задач анализа и сведения балансов материальных и энергетических потоков
3.1.5. Нейросетевая модель для оценки показателей качества продуктов и эффективности производства при управлении технологическими
процессами
3.3. Теорема А.Н.Колмогорова и обобщенная коннекционистская модель обработки информации в нейронных сетях анализаторов данных реального времени.
3.3.1. Нейросетевая интерпретация теоремы Л.Н. Колмогорова
3.3.2. Нейросетевая реализация векторных булевых функций. 0.
3.3.3. Представление векторных функций общего вида
3.3.4. Обобщенная коннекционистская модель обработки информации
3.3.5. Дополнительное обучение нейронной сети анализатора.
3.4. Системная интеграция нейронных сетей анализаторов данных
реального времени.
Выводы по главе 3.
Глава 4. Нсйробионичсскос моделирование нейронных структур и процессов их согласовании.
4.1. Многоуровневое описание нейронных структур в пространствевремени.
4.1.1. Модель сообщества нейронных сетей
4.1.2. Модель нервной ткани.
4.1.3. Модель нейронной сети
4.2. Формирование системы анализаторов в процессе метаинтщрации нейронных сетей.
4.3. Определение дифференциальных и интегральных свойств
адаптивных фильтров пространственновременных сигналов
4.3.1. Фильтрация пространственновременных сигналов
4.3.2. Дифференциальные и инте1ральные свойства адаптивных фильтров
4.3.3. Описание детекторов признаков пространственновременных сигналов
4.4. Преобразование координат пространства и времени нейросистемы
4.5. Запоминание и воспроизведение пространственновременных сигналов и образов в процессе адаптации нейросистемы
4.6. Функциональное кодирование сигналов нейросистемы и синтез интегральных голофафических кодов.
4.7. Согласование организационных, отражающих биологических и отображающих технических элементов и систем ноосферы
4.7.1. Уточнение постановки проблемы
4.7.2. Основные положения теории согласования
4.7.3. Аксиоматическое определение ноосферы.
4.8. Согласование интеллектуальных нейросистем в реальном ространствевремени.
4.8.1. Согласование элементов иейросистсмы в циклах взаимодействия
4.8.2. Анализ условий согласования элементов интеллектуальных нейросистем.
4.8.3. Согласование подсистем интеллектуальной нейросистемы в
пространствевремени
Выводы по главе 4.
Глава 5. Интеграция нейронных сетей анализаторов данных реального времени в составе промышленных систем обработки информации
5.1. Нейросетевые технологии разработки и системная интеграция анализаторов данных реального времени.
5.2. Анализ состояния инженерных сетей нефтегазодобычи с
использованием нейросетевых моделей.
5.2.1. Многоуровневые модели инженерных сетей нефтегазодобычи.
5.2.2. Анализ причин возникновения грубых ошибок при анализе баланса потоков в инженерных сетях нефтегазодобычи
5.2.3. Архитектура анализатора состояния участка инженерной сети
5.2.4. Метаинтеграция нейросетевых моделей участков инженерной сети
5.3. Разработка интеллектуальной нейросистемы для обнаружения утечки в трубопроводе.
5.4. Разработка и интеграция интеллектуальных нейросистем, обеспечивающих оптимизацию процессов добычи нефти
5.5. Программное и информационное обеспечение для генерирования и интеграции нейронных сетей
5.6. Методическое обеспечение системы производственного учета и анализа баланса потоков нефтепромысла.
5.7. Внедрение разработанных способов анализа данных реального
времени о состоянии инженерных сетей
Выводы по главе 5.
Заключение
Список литературы
- Київ+380960830922