Класифікація методів машинного навчання у MicroGrid
Основний зміст сторінки статті
Анотація
У статті розглянуто класифікацію й застосування методів машинного навчання в системі розподіленої генерації енергії MicroGrid. Проведено порівняльний аналіз існуючих методів машинного навчання та їх відповідність задачам керування у MicroGrid. Проведено розробку програмної складової реалізації дерева прийняття рішень для розв’язання задачі класифікації даних машинного навчання.
Блок інформації про статтю
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:- Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
- Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
- Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
Посилання
L. V. Kantorovich and M. . Gavuri, “Primeneniye matematicheskikh metodov v voprosakh analiza gruzopotokov [The use of mathematical methods in the analysis of cargo flows],” Probl. povysheniya Eff. Rab. Transp., pp. 110–138, 1949.
D. Dantsig and F. Vol’f, “Algoritm razlozheniya dlya zadach lineynogo programmirovaniya [Decomposition Algorithm for Linear Programming Problems],” Matematika, vol. 8, no. 1, pp. 151–160, 1964.
O. I. Aven, S. Y. Lovetskiy, and G. Y. Moiseyenko, Optimizatsiya transportnykh potokov [Traffic optimization]. Moskva: Nauka, 1985.
A. V. Krylov and Y. S. Yamnenko, “Rishennya transportnoyi zadachi za dopomohoyu shtuchnoho intelektu dlya morsʹkoho transportu [Solving the transport problem using artificial intelligence for maritime transport],” Shipbuild. Mar. Infrastruct., vol. 1, no. 11, pp. 116–122, 2019, URL: http://smi.nuos.mk.ua/archive/2019/1/14.pdf.
V. G. Galaburda, Optimal’noye planirovaniye gruzopotokov [Optimal freight traffic planning]. Moskva: Transport, 1985.
A. L. Lur’ye, “Algoritm resheniya setevoy transportnoy zadachi s ogranicheniyem propusknykh sposobnostey metodom uslovno-optimal’nykh planov [An algorithm for solving a network transportation problem with bandwidth limitation by the method of conditionally optimal plans,” in Materialy Konferentsii po opytu i perspektivam primeneniya matematicheskikh metodov i EMM v planirovanii., 1962, pp. 3–13.
V. Y. Zhuykov et al., Pidvyshchennya efektyvnosti system z vidnovlyuvanymy dzherelamy enerhiyi [Improving the efficiency of systems with renewable energy sources]. Ky`yiv: Kafedra, 2018, ISBN: 978-617-7301-48-5.
G. De Jong, H. F. Gunn, and W. Walker, “National and international freight transport models: Anoverview and ideas for further development,” Transp. Rev., vol. 24, no. 1, pp. 103–124, 2004.
L. A. Beklaryan and N. K. Khachatryan, “Traveling wave type solutions in dynamic transport models,” Funct. Differ. Equations, vol. 13, no. 2, pp. 125–155, 2006.