рус 
Том 7, № 2, 2012
Номер посвящен проблемам разработки интеллектуальных информационных систем диагностики и прогнозирования неисправностей вагонного оборудования на железнодорожном транспорте.
- Иванова Е.И., Гордеев Р.Н., Михайлов В.В., Северов А.В., Язенин А.В.
«Модель централизованной интеллектуальной информационной системы для решения задач диагностики и прогнозирования неисправностей вагонного оборудования и управления им на железнодорожном транспорте»
В статье представлена модель интеллектуальной информационной системы управления вагонным оборудованием подвижного состава на железнодорожном транспорте. На различных уровнях описываются модель подсистемы диагностики, архитектура комплекса прогнозирования и принятия решений, программная архитектура подсистемы поддержки принятия решений, структура обрабатываемых данных. Рассматриваются вопросы организации и оптимизации баз данных информационной системы с использованием методов интеллектуального анализа данных и технологий мягких вычислений.Ключевые слова: информационная система, железнодорожный транспорт, диагностика, прогнозирование, принятие решений, мягкие вычисления.
Ресурсы: первая страница статьи, elibrary.ru.
- Гришина Е.Н., Солдатенко И.С.
«О сокращении размерности пространства признаков в задачах прогнозирования неисправностей вагонного оборудования»
В статье разработана модель структуры параметров, представляющих входные данные, поступающие с датчиков вагонного оборудования подвижного состава на железнодорожном транспорте. Изложены различные подходы к интеллектуальному анализу входных данных с целью выявления зависимости и избыточности в них. На основе анализа производится оптимизация данных параметров и выявляется результирующая выборка датчиков, информация с которых в последствие будет использоваться в информационно-аналитической системе поддержки принятия решений.Ключевые слова: информационная система, железнодорожный транспорт, оптимизация, интеллектуальный анализ данных, корреляционный анализ, метод деревьев решений.
Ресурсы: первая страница статьи, elibrary.ru.
- Солдатенко И.С., Гришина Е.Н.
«О некоторых подходах к построению интеллектуальных моделей прогноза возникновения неисправностей вагонного оборудования»
В статье рассматриваются основные подходы к построению моделей прогноза возникновения поломок вагонного оборудования на основе информации, собираемой с датчиков электрооборудования. Рассматриваются регрессионные модели, нейросетевые, а также модели, построенные на основе деревьев принятия решений.Ключевые слова: информационная система, железнодорожный транспорт, прогнозирование, интеллектуальный анализ данных, нейронные сети, регрессионный анализ, метод деревьев решений.
Ресурсы: первая страница статьи, elibrary.ru.
- Иванова Е.И., Сорокин С.В.
«Оптимизация базы данных и построение модели прогнозирования неисправностей вагонного оборудования на основе нейросетевых технологий и методов эволюционного программирования для информационной системы управления железнодорожным транспортом»
В статье рассмотрено применение генетического алгоритма в сочетании с искуственной нейронной сетью для предварительного анализа данных и оптимизации базы данных информационной системы управления железнодорожным транспортом. Описан пример работы на реальных данных, получаемых с контроллера управления электрооборудованием вагона.Ключевые слова: информационная система, железнодорожный транспорт, диагностика, прогнозирование, мягкие вычисления, генетический алгоритм, искусственная нейронная сеть.
Ресурсы: первая страница статьи, elibrary.ru.
- Иншина И.В., Сорокин С.В.
«Оценка параметров двумерных возможностных распределений»
В работе Wang Xizhao и Ha Minghu предложен метод нахождения максиминной mu/E оценки параметров одномерного возможностного распределения. В данной статье эти результаты обобщаются на случай двумерного распределения. Предложен метод оценивания параметров, основанный на геометрическом подходе, заключающемся в построении эллипса минимальной площади, охватывающего все точки распределения. Показано, что полученная оценка является состоятельной, достаточной и максимально правдоподобной.Ключевые слова: возможностное распределение, оценка параметров, максиминная оценка.
Ресурсы: первая страница статьи, elibrary.ru.