Purpose. Models and methods, as well as software tools for the tasks of planning the flow of orders of service systems, or service systems (S&S), are quite widespread. The task of developing processes for classification and management of S&S based on the associative memory model of the Hamming neural network (HNN) with imprecisely defined data characteristics is relevant today, and has theoretical and practical significance. The main purpose of the work is to develop and study mathematical models of Hamming network procedures for S&S with imprecisely defined and natural language data characteristics, comparative analysis of fuzzy set models and CF confidence coefficients. Methodology. The paper uses a modification of the Hamming neural network procedures and numerical experimental studies of the comparative possibilities of using fuzzy sets μX (X → [0; 1]) as models of primary data, as well as expert confidence indicators, confidence factors CF(A) from the set [–1; +1]. Findings. The formation and study of improved models of Hamming neural networks intended for classification procedures in S&S with imprecisely defined and natural language data characteristics is carried out. Originality. For the first time, the comparative possibilities of using fuzzy values (NVs) and CFs as models for representing the properties of incomplete and imprecisely defined data, as well as data in natural language form, are investigated for the tasks of classification and management of S&S. At the same time, the advantages of the CF confidence factor model are established and appropriate procedures for classifying and managing S&S are formed. Practical value. The models and procedures for classifying the properties of multi-parameter S&S objects based on modified Hamming neural networks developed in the article allow to effectively solve a wide range of tasks in the field of S&S management under uncertainty and incompleteness of primary data.
Мета. Моделі та методи, а також програмні засоби щодо завдань планування потоків замовлень систем обслуговування, або сервісних систем (С&С), мають досить велике поширення. Завдання з розвитку процедур класифікації та управління С&С на основі моделі асоціативної пам’яті нейронної мережі Хеммінга (МХ) за неточно визначених характеристик даних сьогодні є актуальним, має теоретичне та практичне значення. Основна мета роботи – розвиток та дослідження математичних моделей процедур мережі Хеммінга для С&С за неточно визначених та природномовних характеристик даних, порівняльний аналіз моделей нечітких множин і коефіцієнтів упевненості CF. Методика. У роботі використано модифікацію процедур нейронної мережі Хеммінга та числові експериментальні дослідження порівняльних можливостей застосування як моделей первинних даних нечітких множин μХ (X → [0; 1]), а також експертних показників достовірності, коефіцієнтів впевненості CF(A) з множини [– 1; + 1]. Результати. Виконано формування та дослідження вдосконалених моделей нейронних мереж Хеммінга, призначених для процедур класифікації в С&С за неточно визначених та природномовних характеристик даних. Наукова новизна. Уперше для завдань класифікації та управління С&С досліджено порівняльні можливості використання нечітких величин (НВ), а також коефіцієнтів упевненості CF як моделей для представлення властивостей неповних і неточно визначених даних, а також даних у природномовній формі. При цьому встановлено переваги моделі коефіцієнтів впевненості CF та сформовано відповідні процедури класифікації та управління С&С. Практична значимість. Розроблені у статті моделі та процедури класифікації властивостей багатопараметричних об’єктів С&С на основі модифікованих нейронних мереж Хеммінга дозволяють ефективно вирішувати широке коло завдань сфери управління С&С за невизначености та неповноті первинних даних.
Investigation of Hamming Network Procedures for Controlling Service Systems with Smprecisely Defined and Natural Language Data.
Дослідження процедур мережі хеммінга для управління сервісними системами при неточно визначених і природомовних даних
2022-12-27
Science and Transport Progress ; No. 3-4(99-100) (2022); 33-47
Article (Journal)
Electronic Resource
Ukrainian
confidence factors CF(A) , conditions of uncertainty , service systems , Hamming neural networks , natural data , classification procedures , fuzzy values нечіткі величини , нейронні мережі Хеммінга , природномовні дані , процедури класифікації , коефіцієнти впевненості CF(A) , умови невизначеності , сервісні системи
Metadata by SPU is licensed under CC BY 3.0
Підхід до аналізу надійності функціонування комп’ютерної мережі системи організаційного управління
DOAJ | 2015
|Scientific Periodicals of Ukraine | 2015
|