Аннотації

ЗАСТОСУВАННЯ ШТУЧНИХ НЕЙРОННИХ МЕРЕЖ В СИСТЕМАХ ПІДТРИМКИ СУДОВИХ БУДІВЕЛЬНО-ТЕХНІЧНИХ ЕКСПЕРТИЗ

Автор(и):
Куліков П.М., Пасько Р.М., Плоский В.О., Теренчук С.А.
Автор(и) (англ)
Kulikov Petro , Pasko Roman, Ploskyi Vitalii , Terenchuk Svitlana
Дата публікації:

11.11.2019

Анотація (укр):

Проведено аналіз порядку проведення судових будівельно-технічних експертиз і експертних досліджень зі встановлення причин погіршення технічного стану приміщень, поряд з якими виконувались ремонтно-будівельні роботи. Роботу спрямовано на вирішення проблемних питань судових будівельно-технічних експертиз шляхом розробки інтелектуальної системи підтримки прийняття експертних рішень. При дослідженні системи основна увага приділяється аналізу штучних нейронних мереж, впровадження яких в підсистему нечіткого виводу надасть можливість скоротити час проведення судових будівельно-технічних експертиз. Надано приклад типового нечіткого правила, що відображає експертні знання у вигляді формалізованої текстової інформації. Обґрунтовано доцільність застосування в подібних інтелектуальних системах нечітких нейронних мереж адаптивної резонансної теорії категорії Cascade ARTMAP. Показано схему формування системи нечіткого виводу та схему формування бази правил в Cascade ARTMAP.

Анотація (рус):

В статье проведен анализ порядка проведения судебных строительно-технических экспертиз и экспертных исследований по установлению причин ухудшения технического состояния помещений, рядом с которыми выполнялись ремонтно-строительные работы. Работа направлена на решение проблемных вопросов судебных строительно-технических экспертиз путем разработки интеллектуальной системы поддержки принятия экспертных решений. При исследовании системы основное внимание уделяется анализу искусственных нейронных сетей, внедрение которых в подсистему нечеткого вывода позволит сократить время проведения судебных строительно-технических экспертиз. Предоставлен пример типичного нечеткого правила, который отражает экспертные знания в виде формализованной текстовой информации. Обоснована целесообразность применения в подобных интеллектуальных системах нечетких нейронных сетей адаптивной резонансной теории категории Cascade ARTMAP. Показана схема формирования системы нечеткого вывода и схема формирования базы правил в Cascade ARTMAP.

Анотація (англ):

The article deals with the procedure for conducting forensic construction and technical examinations and expert research in order to determine the reasons for the deterioration of the technical condition of the premises, along with which the repair and construction works were performed. The paper is aimed at solving the problematic issues of forensic construction and technical examinations by developing an intelligent system for supporting the adoption of expert decisions. The support intelligent system model of expert decisions concerning an estimation of repair and construction works influence on the technical condition of objects is described. The research of the system focuses on the analysis of artificial neural networks, the introduction of which in the fuzzy inference subsystem, will allow to reduce the time of forensic construction and technical expertise. An example of a typical fuzzy rule is provided that reflect examination in formalized textual information. The feasibility of using fuzzy neural networks of adaptive resonance theory of the Cascade ARTMAP category in such intelligent systems is substantiated. The scheme of fuzzy output system formation and the rule base formation scheme in Cascade ARTMAP are shown. Further research will focus on the formation of a fuzzy knowledge base, which includes geometric parameters of object degradation and the Cascade ARTMAP neural network adaptation to the task of identifying the causes of the deterioration of the premises technical condition.

Література:

  1. Настанова щодо обстеження будівель і споруд для визначення та оцінки їх технічного стану:
    ДСТУ-Н Б В.1.2-18:2016. – [Чинний від 2017-04-01]. – [Режим доступу до тексту: Програмне забезпечення «Норматив™ PRO», на базі якого функціонує професійна нормативно-правова бібліотека].
  2. Настанова про затвердження Інструкції про призначення та проведення судових експертиз та експертних досліджень та Науково-методичних рекомендацій з питань підготовки та призначення судових експертиз та експертних досліджень. Наказ 08.10.98 № 53/5 Міністерства юстиції України [Режим доступу до тексту: https://zakon.rada.gov.ua/laws/show/z0705-98].
  3. Аналіз впливу ремонтно-будівельних робіт в приміщені на технічний стан суміжних приміщень: звіт про НДР (заключний) / КНДІСЕ; керівник: Д. Псярнецький, викон.: С. Асаулюк, Н. Фіщук, Р. Пасько. Київ, 2006, 39 с.
  4. Методичні рекомендації з визначення фізичного зносу нежитлових будівель: звіт про НДР (заключний) / КНДІСЕ; керівник: О. Буратевич, викон.: Н. Сеник, В. Харченко, О. Чайка, Р. Пасько, Д. Псярнецький, О. Сверида, В. Буднік, Н. Арабулі, О. Лисак, І. Чалюк. 0114U000706. Київ, 2015, 177 с.
  5. Система забезпечення надійності та безпеки будівельних об’єктів. Навантаження і впливи. Норми проектування: ДБН В.1.2-2:2006. – [Чинний від 2007-01-01]. – Київ: Сталь. 2007. – 60 с. – (Державні буд. норми України) / http://www.dbn.at.ua. Назва з екрана. – Перевірено: 22.09.2017.
  6. Снитюк В.Є. Задача вибору оптимальної альтернативи в умовах композиційної невизначеності // Черкаси: Вісник ЧІТІ. – 2000, № 2. – С. 140-145.
  7. Пасько Р.М., Теренчук С.А. Моделювання інтелектуальної системи підтримки судових будівельно-технічних експертиз. Актуальні питання судової експертизи криміналістики та кримінального процесу: мат. міжн. наук.-практ. конф. (м. Київ, 05.11.2019). – К.: КНДІСЕ Мінюста України, 2019. С. 429-432.
  8. Terenchuk S. Implementation of Intelligent Information Technology for the Assessment of Technology for Condition of Building Structures in the Process of Diagnosis / S. Terenchuk, B. Yeremenko, T. Sorotuyk // Eastern European Journal of Enterprise Technologies, Vol. 5/3(83), P. – 30-39.
  9. Єременко Б.М. Проектування інтелектуальної системи для діагностики технічного стану об’єктів будівництва. Технологічний аудит і резерви виробництва, 1(2), 2015. с. 44-48.
  10. Єременко Б.М. Застосування експертних знань для формування бази знань системи оцінювання технічного стану будівельних конструкцій / Б.М. Єременко, С.А. Теренчук, С.М. Картавих, О.В. Насіковський // Наука та будівництво. – 2017’4. – С. 63-69.
  11. Теренчук С.А. Оцінювання технічного стану будівельних конструкцій на основі нечіткого виведення / С.А. Теренчук, Б.М. Єременко, А.О. Пашко // Будівельне виробництво. – 2017. – № 61/2017. – С. 23-31.
  12. Osowski S. “Sieci neuronowe do przetwarzania informacji“, Warszawa, 2000, p 342. (in Polish).
  13. Terenchuk, S., Yeremenko, B., Kartavykh, S., Nasikovskyi, O. (2018). Application of fuzzy mathematics methods to processing geometric parameters of degradation of building structures. «Eureka: physics and engineering», 1, 56-62. Doi: 10.21303/2461-4262.2018.00468554
  14. Теренчук С.А. Аналіз здатності штучних нейромереж до розв’язання задач оцінювання технічного стану будівельних конструкцій / С.А. Теренчук, Н.І. Полтораченко, Ю.В. Кошарна // Будівельне виробництво. – 2016. – № 63/2017. – С. 85-90.
  15. Arutiunian A. “Fuzzy Neural Network Sorter”, Technological Systems, Кiev, 2009, vol.1(45), рр. 54– 57.
  16. G.A. Carpenter, S. Grossberg, J.H. Reynolds “ARTMAP: Supervised Real-Time Learning and Classification of Nonstationary Data by a Self-Organizing Neural Network“, Neural Networks, 4, 1991.
  17. Tan A.H. “Cascade ARTMAP: Integrating Neural Computation and Symbolic Knowledge Processing“, IEEE Trans, Neural Networks, 1997, vol. 8, n.2.
  18. Domanetska I., Khaddad A., Krasovska H., Yeremenko B. Corporate System Users Identification by the Keyboard Handwriting based on Neural Networks International Journal of Innovative Technology and Exploring Engineering (IJITEE) ISSN: 2278-3075, vol. 9 Issue-1, November 2019. P. 4156 – 4161.

References:

  1. Instruction on approval of the Instruction on the appointment and conduct of forensics and expert studies and scientific and methodological recommendations on the preparation and assignment of forensics and expert studies. Order 08.10.98 № 53/5 of the Ministry of Justice of Ukraine [Text access mode: https://zakon.rada.gov.ua/laws/show/z0705-98].
  2. Guidelines for inspection of buildings and structures to determine and evaluate their technical condition: DSTU-N B B.1.2-18: 2016. – [Effective 2017-04-01]. – [Text Access Mode: Normative ™ PRO software, based on which a professional regulatory library operates].
  3. Asauliuk, S., Fishchuk, N., Pasko, R. (2006). Analysis of the impact of repair and construction work in the premises on the technical condition of adjacent premises: report on the GDR (final). KNISE; 39.
  4. Buratevich, O. (2015). Guidelines for the Determination of Physical Demolition of Non-Residential Buildings: R&D Report (Final) / CISIS; executors: N. Senik, V. Kharchenko, O. Chaika, R. Pasko, D. Psyarnetsky, O. Sverida, V. Budnik, N. Arabuli, O. Lisak, & I. Chalyuk. 0114U000706. Kyiv, 177.
  5. System for ensuring the reliability and safety of construction sites. Loads and impacts. Design rules: DBN. V. 1.2.-2: 2006. - [Valid from 2007-01-01]. – Kyiv: Steel. 2007. – 60 p. – (State building norms of Ukraine) / http://www.dbn.at.ua. The name from the screen. – Checked: 22/09/2017
  6. Snityuk, V. (2000). The problem of choosing the optimal alternative in the conditions of compositional uncertainty. Cherkasy: ChITI Bulletin, 2, 140 – 145.
  7. Pasko, R., & Terenchuk, S. (2019). Modeling of Intellectual Support System for Forensic Construction Expertise. Topical Issues of Forensics and Criminal Proceedings: Mat. international Research Practice Conf. K .: KNISE of the Ministry of Justice of Ukraine. P. 429 – 432.
  8. Terenchuk, S., Yeremenko B., & Sorotuyk T. (2016). Implementation of Intelligent Information Technology for the Assessment of Technology for Condition of Building Structures in the Diagnosis Process. Eastern European Journal of Enterprise Technologies, 3 (83), 30 – 39.
  9. Eremenko, B. (2015). Designing an intelligent system for diagnosing the technical condition of construction objects. Technology audit and production reserves, 1 (2), 44 – 48.
  10. Eremenko, B., Terenchuk, S., Kartavikh, S., Nasikovsky, O. (2017). Applying Expertise to Forming a Knowledge Base for the Assessment System for the Technical Condition of Building Structures. Science and Construction, 4, 63 – 69.
  11. Terenchuk, S., Yeremenko, B., Pashko A. (2017). Assessment of the technical condition of building structures based on fuzzy inference. Construction, 61, 23 – 31.
  12. Osowski (2000). “Sieci neuronowe do przetwarzania informacji“, Warszawa, p. 342. (in Polish).
  13. Terenchuk, S., Yeremenko, B., Kartavykh, S., & Nasikovskyi, O. (2018). Application of fuzzy mathematics methods to processing geometric parameters of degradation of building structures. Eureka: Physics and Engineering, 1, 56-62. DOI: 10.21303 / 2461-4262.2018.00468554
  14. Terenchuk, S., Poltorachenko, N., & Kosharna, Yu. (2016). Analysis of the ability of artificial neural networks to solve the problems of assessing the technical condition of building structures. Construction, Vol. 63. P. 85 – 90.
  15. Arutiunian A. (2009). “Fuzzy Neural Network Sorter”, Technological Systems, Кiev, vol.1 (45), рр. 54–57.
  16. Carpenter G.A., Grossberg S., & Reynolds J.H. (1991). “ARTMAP: Supervised Real-Time Learning and Classification of Nonstationary Data by a Self-Organizing Neural Network“, Neural Networks, 4.
  17. Tan A.H. (1997). “Cascade ARTMAP: Integrating Neural Computation and Symbolic Knowledge Processing“, IEEE Trans, Neural Networks, 1997, vol. 8, n.2.
  18. Domanetska I., Khaddad A., Krasovska H., & Yeremenko B. (2019). Corporate System Users Identification by the Keyboard Handwriting based on Neural Networks International Journal of Innovative Technology and Exploring Engineering (IJITEE) ISSN: 2278-3075, vol. 9 Issue-1, November. – P. 4156-4161