WWW.OS.X-PDF.RU
БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА - Научные публикации
 

«ПОТЕНЦИАЛ СОВРЕМЕННОЙ НАУКИ, №8, НОЯБРЬ, 2015 ISSN 2312-1939 щим. Эти условия выполнены в H3S, и именно это соединение ...»

ПОТЕНЦИАЛ СОВРЕМЕННОЙ НАУКИ, №8, НОЯБРЬ, 2015

ISSN 2312-1939

щим. Эти условия выполнены в H3S, и именно это соединение развивается из H2S при высоком давлении.

Ученые в настоящее время ищут материалы с еще более высокими переходными температурами. Повышение давления, действующее на сероводород, выше 1,5 мегабара в этом случае не полезно. Это было рассчитано не только физиками - теоретиками, но теперь также подтверждается в экспериментах, выполненных на практике. При еще более высоких температурах, электронная структура изменится таким образом, что переходная температура начнет медленно падать снова.

Выводы:

Требуется: Материалы, богатые Водородом с Более Высокой Переходной Температурой:

"Очевидным кандидатом для высокой переходной температуры является чистый водород", говорит один из ученых. "Ожидается, что водород при комнатной температуре под высоким давлением станет сверхпроводящим". Ученые уже начали экспериментировать с чистым водородом, но эксперименты очень сложные, так как требуется давление в три, четыре мегабара.



"Однако наше исследование в сероводороде показало, что многие материалы, богатые водородом могут иметь высокую переходную температуру", говорит другой ученый. Это даже можно реализовать как высокотемпературный сверхпроводник без высокого давления. Исследователям, в настоящее время, необходимо высокое давление, чтобы преобразовать материалы, которые действуют как электрически изолирующие, например, как сероводород в металлы. Там могут быть полимеры или другие богатые водородом соединения, которые не исключено, что каким-то другим способом конвертируются в металлы и станут сверхпроводящими при комнатной температуре. Если такие материалы будут найдены, то мы, наконец-то, получим сверхпроводники, которые могут быть использованы для широкого круга технических применений.

Список литературы

1. Отчеты Исследования Института Химии Имени Макса Планка.

2. Обычная Сверхпроводимость при 203 К при Высоких Давлениях. A.п Дроздов, M.И.

Эреметс, И.А. Троян, В. Ксенофонтов, С. И. Шилин.

3. Библиотека Унивеситета Корнелл / Конденсированные Материалы.

References 1 Max Planck Institute of Chemistry Research Reports.

2 Conventional Superconductivity at 203 K at High Pressures. A.P. Drozdov, M. I. Eremets, I.

A. Troyan, V. Ksenofontov, S. I. Shylin.

3 Cornell University Library / Condensed Matter.

УДК 681.5 ЛУБЕНЦОВА Е.В., ПЕТРАКОВ В.А.

АДАПТАЦИЯ НЕЙРО-НЕЧЕТКОЙ СИСТЕМЫ ДЛЯ УПРАВЛЕНИЯ СЛОЖНЫМИ

БИОТЕХНОЛОГИЧЕСКИМИ ПРОЦЕССАМИ ФЕРМЕНТАЦИИ

Лубенцова Елена Валерьевна кандидат технических наук, доцент кафедры информационных систем, электропривода

–  –  –

развиваются гибридные модели ННС в интеллектуальных системах управления биотехнологическими объектами [1]. Адаптация этих моделей предусматривает в качестве первоочередных этапов обучение нейронной сети и выбор функции принадлежности (ФП), подстраиваемых с помощью нейронной сети.

Материалы и методы. Гибридизация нейронных сетей (НС) с нечеткой логикой (НЛ) позволяет существенно повысить эффективность работы таких ННС за счет того, что недостатки, присущие одной из технологий, компенсируются преимуществами другой [2]. В частности, НС обладают хорошей способностью обучаться, но процесс работы обучающей сети сложен для понимания. В тоже время системы НЛ хорошо объясняют выводы, но имеют ограничения на количество входных переменных. Вследствие этого возможно построение ННС, в которых выводы формируются на основе НЛ, а функции принадлежности подстраиваются с помощью НС. Преимущество таких систем очевидно: построенная структура не только использует априорную информацию, но может приобретать новые знания, являясь логически «прозрачной» [3, 4].

В настоящее время имеются различные по архитектуре, возможностям и используемым методам гибридные нейро-нечеткие сети [5,6,7]. В соответствии с рекомендациями по выбору гибридных нейро-нечетких сетей в зависимости от типа решаемой задачи [8] целесообразно для интеллектуального управления сложным процессом ферментации использовать адаптивную систему нейронечеткого вывода – ANFIS (Adaptive Network-based Fuzzy Inference System) [7]. Система ANFIS обладает по сравнению с другими методами высокой скоростью обучения, простотой алгоритма и оптимальной проработанностью программного обеспечения в системе математического моделирования MatLAB и показывает более точные результаты прогнозирования во многих областях производства. В данной системе выводы делаются на основе аппарата НЛ, а параметры ФП настраиваются с помощью алгоритма обратного распространения ошибки в процессе обучения НС.

Методика обучения сети ANFIS для определения параметров функций принадлежности систем нечеткого вывода типа Сугено может использовать алгоритм обратного распространения ошибки или алгоритм гибридного обучения. Проведем сравнительный анализ алгоритмов обучения нейронечеткой сети с различными функциями принадлежности с применением метода обратного распространения ошибки и гибридного метода. Для обучения ANFIS-сети могут быть применены типовые процедуры обучения нейронных сетей, так как в ней используют только дифференцируемые функции. Обычно применяется комбинация градиентного спуска в виде алгоритма обратного распространения ошибки и метода наименьших квадратов.





Результаты и обсуждение. Для оценки эффективности использования сети ANFIS для управления биотехнологическим процессом ферментации использована обучающая выборка, содержащая данные по температуре и концентрации растворенных в культуральной жидкости газов (рО2, рСО2) для нормального протекания процесса ферментации, для условий лимитирования процесса роста микроорганизмов кислородом рО2 и для условий, ингибирующих синтез целевого продукта повышенными концентрации углекислого газа рСО2. Фрагмент экспертной матрицы знаний для режима роста биомассы приведен в табл. 1.

Таблица 1 – Экспертная матрица знаний для режима роста биомассы ЕСЛИ входы Вес Концентрация Концентрация рО2 Температура Номер ТО выход о правила рО2 в режиме в режиме синтеза в реакторе, С правила роста биомассы продукта при при dрО2/dt0, dрО2/dt0, рО2·10 мг/л рО2·10-2 мг/л

-2 1 4 3.3 26 0 1

–  –  –

Двухсторонняя гауссовская функция принадлежности 0,003283 140 Функция принадлежности в виде разности между двумя сиг- 277 моидными функциями 0,013696 Произведение двух сигмоидных функций принадлежности 0,013715 290 В ходе исследований установлено, что двухсторонняя гауссовская ФП обеспечивает наименьшую ошибку обучения сети, равную 3,28·10–3, при числе эпох N=140 по сравнению с симметричной гауссовской ФП, дающей ошибку =6,087·10–3 при числе эпох N=125, и по сравнению с трапециевидной ФП, дающей наибольшую ошибку обучения сети =0,138 при числе эпох N=84. Поэтому в дальнейшем целесообразно использование двухсторонней гауссовской ФП.

Выводы. По результатам исследований можно сделать вывод, что для адаптации нейронечеткой сети ANFIS и системы нечеткого вывода Сугено нулевого порядка к решению задачи управления биотехнологическим процессом ферментации эффективным является использование гибридного метода обучения и двухсторонних гауссовских функций принадлежности.

Список литературы

1. Ивашкин Ю.А. Управление нечеткими объектами в прикладной биотехнологии / Ю.А. Ивашкин, И.И. Протопопов // Журнал Горный информационно-аналитический бюллетень (научно-технический журнал). – М.: МГГУ. – 1999. – Вып. 4. – С. 1-3.

Круглов В.В. Гибридные нейронные сети / В.В. Круглов, В.В. Борисов. – Смоленск:

2.

Русич, 2001. – 224 с.

Карпенко А.П. Многокритериальная оптимизация на основе нейро-нечеткой аппроксимации функции предпочтений лица, принимающего решения / А.П. Карпенко, Д.А. Моор, Д.Т. Мухлисуллина // Электронное научно-техническое издание: наука и образование. – 2010.

– № 1. URL: http://technomag.edu.ru/doc/143964.html (дата обращения 18.02.2015).

Адаптивные нейро-нечеткие системы инференции (ANFIS) [Электронный ресурс]. – 4.

Режим доступа: http://life-prog.ru/1_22027_adaptivnie-neyronechetkie-sistemi-inferentsiiNFIS.html (дата обращения 28.05.2015).

5. Ярушкина Н. Г. Основы теории нечетких и гибридных систем: Учебное пособие / Н.Г. Ярушкина. – М.: Финансы и статистика, 2004. – 320 с.

6. Леоненков А.В. Нечеткое моделирование в среде MATLAB и fuzzyTECH / А.В. Леоненков. – СПб.: БХВ-Петербург, 2003. – 736 с.

7. Штовба С.Д. Проектирование нечетких систем средствами MATLAB / С.Д. Штовба.

– М.: Горячая линия – Телеком, 2007. – 288 с.

Кузькин А.А. Оценивание показателей эффективности и результативности ИТ-процессов с использованием гибридных нейро-нечетких сетей / А.А. Кузькин // Интернет-журнал «Науковедение». – Вып. 1, январь – февраль 2014. URL: http://naukovedenie.ru/PDF/57TVN114.pdf (дата обращения 20.09.2015).

References

1. Ivashkin Ju.A. Upravlenie nechetkimi ob#ektami v prikladnoj biotehnologii / Ju.A.

Ivashkin, I.I. Protopopov // Zhurnal Gornyj informacionno-analiticheskij bjulleten' (nauchnotehnicheskij zhurnal). – M.: MGGU. – 1999. – Vyp. 4. – S. 1-3.

Kruglov V.V. Gibridnye nejronnye seti / V.V. Kruglov, V.V. Borisov. – Smolensk:

2.

Rusich, 2001. – 224 s.

3. Karpenko A.P. Mnogokriterial'naja optimizacija na osnove nejro-nechetkoj approksimacii funkcii predpochtenij lica, prinimajushhego reshenija / A.P. Karpenko, D.A. Moor, D.T. Muhlisullina ~21~ ПОТЕНЦИАЛ СОВРЕМЕННОЙ НАУКИ, №8, НОЯБРЬ, 2015 ISSN 2312-1939 // Jelektronnoe nauchno-tehnicheskoe izdanie: nauka i obrazovanie. – 2010. – № 1. URL: http://technomag.edu.ru/doc/143964.html (data obrashhenija 18.02.2015).

4. Adaptivnye nejro-nechetkie sistemy inferencii (ANFIS) [Jelektronnyj resurs]. – Rezhim dostupa: http://life-prog.ru/1_22027_adaptivnie-neyronechetkie-sistemi-inferentsii-NFIS.html (data obrashhenija 28.05.2015).

5. Jarushkina N. G. Osnovy teorii nechetkih i gibridnyh sistem: Uchebnoe po-sobie / N.G.

Jarushkina. – M.: Finansy i statistika, 2004. – 320 s.

6. Leonenkov A.V. Nechetkoe modelirovanie v srede MATLAB i fuzzyTECH / A.V. Leonenkov. – SPb.: BHV-Peterburg, 2003. – 736 s.

7. Shtovba S.D. Proektirovanie nechetkih sistem sredstvami MATLAB / S.D. Shtovba. – M.:

Gorjachaja linija – Telekom, 2007. – 288 s.

8. Kuz'kin A.A. Ocenivanie pokazatelej jeffektivnosti i rezul'tativnosti IT-processov s ispol'zovaniem gibridnyh nejro-nechetkih setej / A.A. Kuz'kin // Internet-zhurnal «Naukovedenie». – Vyp. 1, janvar' – fevral' 2014. URL: http://naukovedenie.ru/PDF/57TVN114.pdf (data obrashhenija 20.09.2015).

РЕЦЕНЗЕНТ

Червяков Николай Иванович, доктор технических наук, профессор, заведующий кафедрой прикладной математики и математического моделирования Северо-Кавказского федерального университета.

–  –  –

~22~



 


Похожие работы:

«Л.Д. Ефимова УТОЧНЕННАЯ СХЕМА ПРОГНОЗА ЗАГРЯЗНЕНИЯ АТМОСФЕРНОГО ВОЗДУХА В ТЕПЛЫЙ ПЕРИОД ГОДА ДЛЯ НИЖНЕГО ТАГИЛА Введение Загрязнение приземного слоя атмосферы зависит не только от количества выбрасываемых в воздух примесей, но и от наблюдаемых при этом метеорологических условий. Важную роль в накоплении или рассеивании вредных примесей играют синоптические условия, стратификация атмосферы, скорость ветра в нижнем слое атмосферы, интенсивность осадков, а также физико-географическое положение...»

«ФОРМА Т. ТИТУЛЬНАЯ СТРАНИЦА ЗАЯВКИ В РФФИ НАЗВАНИЕ ПРОЕКТА НОМЕР ПРОЕКТА Обобщение симметрийного метода на 13-01-00402 интегрируемые системы со спектральными операторами старших порядков и в многомерии ОБЛАСТЬ ЗНАНИЯ КОД КЛАССИФИКАТОРА 01 01-113, 01-111, 01-112 ВИД КОНКУРСА А Инициативный ФАМИЛИЯ, ИМЯ, ОТЧЕСТВО РУКОВОДИТЕЛЯ ТЕЛЕФОН РУКОВОДИТЕЛЯ ПРОЕКТА ПРОЕКТА (49652)41382 Адлер Всеволод Эдуардович ПОЛНОЕ НАЗВАНИЕ ОРГАНИЗАЦИИ, предоставляющей условия для выполнения работ по Проекту физическим...»

«Ф.М. КАНАРЁВ МОНОГРАФИЯ МИКРОМИРА Монография Модель атома алмаза.2015 Канарёв Ф.М. Монография микромира. «Монография микромира» построена на новой совокупности фундаментальных аксиом Естествознания, которые позволили выявить неисчислимое количество ошибок в ортодоксальных «точных» науках: физике и химии. Исправление этих ошибок привело к новой теории микромира, которая открывает перед человечеством необозримые научные перспективы в решении глобальных экологических и энергетических проблем....»

«УДК 372.891 ИСПОЛЬЗОВАНИЕ МЕЖПРЕДМЕТНЫХ СВЯЗЕЙ ПРИ ИЗУЧЕНИИ ГЕОГРАФИИ И ФИЗИКИ В ПРОЦЕССЕ САМООБРАЗОВАНИЯ ШКОЛЬНИКОВ Хизбуллина Р.З.1, Еникеев Ю.А.2 ГОУ ВПО «Башкирский государственный университет», г. Уфа, Республика Башкортостан, Россия (450075, Уфа, ул. Заки Валиди, 32), e-mail: hizbullina@yandex.ru ФГБОУ ВПО «Башкирский государственный педагогический университет им. М. Акмуллы», г. Уфа Республика Башкортостан, Россия (450008, ул. Октябрьской революции, 3а к.2), e-mail: cezar2god@mail.ru...»

«1 БЮЛЛЕТЕНЬ НОВЫХ ПОСТУПЛЕНИЙ 1-15 АПРЕЛЯ 2015г. В настоящий «Бюллетень» включены книги, поступившие в отделы Фундаментальной библиотеки с 1 по 15 апреля 2015 г. Бюллетень составлен на основе записей Электронного каталога. Материал расположен в систематическом порядке по отраслям знания, внутри разделов – в алфавите авторов и заглавий. Записи включают полное библиографическое описание изданий, шифр книги и место хранения издания в сокращенном виде (список сокращений приводится в Бюллетене)....»





 
2016 www.os.x-pdf.ru - «Бесплатная электронная библиотека - Научные публикации»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.