ТУЗУУЧУ КААРШЫЛ ТАРМАКТАРДЫ КОЛДОНУУ МЕНЕН КОЛДОНУЛГАН МАСЕЛЕЛЕРДИ БОЛЖОЛДОО ҮЧҮН МОДЕЛДИ ТҮЗҮҮ
##semicolon##
генеративдик-атаандаш тармактар (GAN), убакыттар катарын болжолдоо, абанын сапаты, LSTM нейрон тармактары, TimeGAN, метеомаалыматтарды иштетүү, гиперпараметрлерди оптималдаштырууАннотация
Макалада абанын сапатынын убакыттар катарын болжолдоо үчүн шарттуу генеративдик-атаандаш тармактардын (Conditional GAN) өркүндөтүлгөн архитектурасынын негизиндеги божомолдоочу моделди иштеп чыгуу жана ишке ашыруу маселелери каралат. Тренддерди, сезондуулукту жана ызы-чууларды эсепке алуу менен PM2.5 жана PM10 булгоочу бөлүкчөлөрүнүн реалдуу концентрациясын окшоштурган көп компоненттүү синтетикалык маалыматтардын базасында LSTM катмарларын жана бир өлчөмдүү чырмалышкан тармактарды (1D ConvNet) колдонуу аркылуу атаандаш окутуунун өзгөчөлүктөрү изилденет. Авторлор GAN жана классикалык LSTM моделдеринин туруктуулугуна, ката метрикаларына салыштырмалуу талдоо жүргүзүшүп, гиперпараметрлерди оптималдаштыруу жана модалардын кыйрашын (mode collapse) болтурбоо үчүн стратегиялардын топтомун сунушташат.
##submission.citations##
1. Ю. Ван и др.Послойное обучение признаков с использованием глубоких нейронных сетей на основе остаточных значений для прогнозирования качества в промышленности. IEEE Trans. Instrum.Meas. (2022).
2. Визуализация прогнозов Х. Рен и др.Исследование структуры цифрового двойника для систем ручной сборки специализированных изделий.Журнал производственных систем (2023).
3. X. Лиан и др. Комбинированный подход к прогнозированию качества продукции на основе регрессии опорных векторов и модели серого прогнозирования.Adv. Eng. Inf. (2023).
4. С. Лю и др.Диагностика неисправностей оборудования с использованием небольшой выборки на основе генеративносостязательной сети с вариационными информационными ограничениями.Adv. Eng. Inf. (2022).
5. Дж. Фан и др .GAN Вассерштейна с полным вниманием и градиентной нормализацией для диагностики неисправностей в условиях несбалансированных данных. IEEE Trans. Instrum. Meas. (2022).
6. Ю. Лю. TF-F-GAN: модель на основе GAN для прогнозирования физических полей сборки при многомодальном слиянии переменных в Vision Transformer.Adv. Eng. Inf. (2024). 7.С. Чжан.На пути к интеллектуальному производству нового поколения, ориентированному на человека, в рамках Индустрии 5.0: систематический обзор.Adv. Eng. Inf. (2023).
