THE METHODOLOGY FOR THE FORMATION OF A TRAINING SAMPLE FOR TRAINING A FUZZY NEURAL NETWORK
DOI:
https://doi.org/10.26906/SUNZ.2020.1.007Keywords:
fuzzy sets, fuzzy neural networks, guidance, assault aircraft, advanced air gunnerAbstract
The article is devised a methodology for the formation of a training sample for the study of fuzzy neural network when automating the decision making process in the tasks of aviation guidance to ground targets. To study fuzzy neural network, you need to use a training sample. There is a problem of data collection in preparing the training sample for the training of the FNN in the process of guiding AA in the ET. First, collecting statistics on the basis of decision-making examples in the process of giving in real terms the application of the AA on the ET, takes a lot of time, does not allow to collect the necessary amount of statistical data for the formation of the training sample. Therefore, you should use imitation modeling. But the complexity, the dynamism of the process of guidance, and the uncertainty due to the nature of the parameters used to solve the problem of guidance, do not allow the use of simulation models built on the basis of traditional methods. This is due to the fact that the training sample does not take into account uncertainty. Simulation models built on the basis of traditional methods do not take into account the experience and knowledge of the PAN; therefore, the training sample obtained as a result of modeling will not allow to construct the FNN and teach it in accordance with the decision making process of the PAN when the AA on the ET vare given. Therefore, when constructing an imitation model, models based on the fuzzy logic and fuzzy sets mathematical apparatus should be used. As a result of this work, a methodology for forming a training sample for the study of a fuzzy neural network during the automation of the decision-making process in the tasks of aviation guidance to ground targets was developed, and an imitation model was constructed. This model allows using the input data to obtain the guidance parameters determined by the PAN in solving the problem of steering the AA in the ET. The application of this methodology allowed to receive a training sample on the basis of which it is possible to study the FNN for the information technology of automated development of recommendations for the parameters of guidance of the AA in the ET on the basis of FNNDownloads
References
Чернов В.Г. Наведення літаків на повітряні та наземні цілі: навч. пособ. / В.Г. Чернов, В.А. Волобуєв, О.К. Желем. – ХУПС, 2004. – 131 с.
Каменський В.Н. Наведение на воздушные и наземные цели / В.Н. Каменський, Белоглазов И.Н. – М.: 1972г.
Тактика армійської авіації. Ч. 1. Основи тактики армійської авіації : навч. посіб. / А.М. Алімпієв, Ю.М. Корнусь, О.С. Петриченко, С.А. Калкаманов – Х. : ХНУПС, 2016. – 160 с.
Wagner, C. Toward General Type-2 Fuzzy Logic Systems Based on zSlices / Wagner C., Hagras, H. // Fuzzy Systems, IEEE Transactions. – 2010. – vol. 18, No 4. – pp. 637-660.
Greenfield S. The Uncertainty Associated with a Type-2 FuzzySet / S. Greenfield, R.I. John // Views on Fuzzy Sets and Systems from Di??erent Perspectives, in ‘Studies in Fuzziness and Soft Computing. – 2009. – vol. 243 – pp. 471-483.
Яхъяева Г.Э. Нечеткие множества и нейронные сети / Г.Э. Яхъяева. – М.: Национальный Открытый Университет“ИНТУИТ”, 2016. – 187с.
Culloch J.C. Novel methods of measuring the similarity and distance between complex fuzzy sets [PhD thesis] / J.C. Culloch. – Nottingham: University of Nottingham, 2016. – 267 p.
Рыжов А.П. Элементы теории нечетких множеств и ее приложений / А.П. Рыжов. – М.: МГУ, 2003. – 81 с.
Кучук, Г.А. Синтез стратифікованої інформаційної структури інтеграційної компоненти гетерогенної складової Єдиної АСУ Збройними Силами України / Г.А. Кучук, О.П. Давікоза // Наука і техніка Повітряних Сил Збройних Сил України: науково-технічний журнал. – Х.: ХУ ПС, 2013. – No 3(12). – С. 154-158.
Коваленко А.А. Использование временных шкал при аппроксимации длины очередей компьютерных сетей / А.А. Коваленко, Г.А. Кучук, И.В. Рубан // Сучасний стан наукових досліджень та технологій в промисловості. – 2018. – No 2 (4). – С. 12–18. – DOI: http://doi.org/10.30837/2522-9818.2018.4.012
Кучук Г.А. Розрахунок навантаження мультисервісної мережі / Г.А. Кучук, Я.Ю. Стасєва, О.О. Болюбаш // Систем озброєння і військова техніка. – 2006. – No 4 (8). – С. 130 – 134.
Худов В.Г. Аналіз відомих методів сегментування зображень, що отримані з бортових систем оптикоелектронного спостереження / В.Г. Худов, Г.А. Кучук, О.М. Маковейчук, А.В. Крижний // Системи обробки інформації, 2016. – Вип. 9 (146). – С. 77-80.
Кучук Г.А. Метод мінімізації середньої затримки пакетів у віртуальних з’єднаннях мережі підтримки хмарного сервісу / Г.А. Кучук, А.А. Коваленко, Н.В. Лукова-Чуйко // Системи управління, навігації та зв’язку. – Полтава. ПНТУ, 2017. – Вип. 2(42). – С. 117-120.
Белоглазов И.Н. Основы навигации по геофизическим полям / И.Н. Белоглазов, Г.И. Джанджгава, Г.П. Чигин. – М.: Наука, 1985. – 328 c.
Бортовые информационно-управляющие средства оснащения летательных аппаратов / Р.В. Мубаракшин, Н.В. Ким, Ю.А. Саблин, И.П. Шингирий; М.: МАИ, 2003. –380 c.
Расчет и анализ движения летательных аппаратов. Инженерный справочник. / Горбатенко С.А., Макашов Э.М., Полушкин Ю.Ф., Шефтель Л.В. – М.: Машиностроение, 1971. – 352 с.
Петрушенко Н.Н. Особенности измерения дальности целей, лоцируемых под малыми углами места над морем / Н.Н. Петрушенко, О.Б. Котов, В.Д. Карлов, Е.А. Меленти // Тези доповідей восьмої наук. конф. Харк. ун-ту Повітряних Сил. – Х.: ХУ ПС, 2012. – С. 293.
