КЛАСИФІКАЦІЯ ОБ'ЄКТІВ, ЩО БУДУЮТЬСЯ ЗАСОБАМИ НЕЙРОННИХ МЕРЕЖ

Заголовок (російською): 
КЛАССИФИКАЦИЯ ОБЪЄКТОВ, КОТОРЫЕ СТРОЯТСЯ СПОСОБАМИ НЕЙРОННЫХ СЕТЕЙ
Заголовок (англійською): 
CLASSIFICATION OF OBJECTS WHICH WERE BASED ON METHODS OF NEURAL NETWORKS
Автор(и): 
Смілка В.А.
Автор(и) (англ): 
SmilkaVladyslav
Ключові слова (укр): 
нейронна мережа; класифікація; об’єкт будівництва; критерій; ваговий коефіцієнт; містобудівний моніторинг
Ключові слова (рус): 
нейронная сеть; классификация; объект строительства; критерий; весовой коэффициент; градостроительный мониторинг
Ключові слова (англ): 
neural network; classification; Construction object; criterion; weight coefficient; planning monitoring
Анотація (укр): 
В місті Києві розроблена система обліку об'єктів будівництва. Зазначена система передбачає ведення містобудівного кадастру і містобудівного моніторингу, в її складі розроблена схема виявлення, реагування та запобігання незаконної забудови, самозахоплення земельних ділянок та притягнення до відповідальності винних осіб. В конструкції зазначеної інформаційної системи діє «ручний спосіб» класифікації об'єктів будівництва за статусом законності будівництва на основі аналізу вхідної інформації. Постає необхідність розробки нового або вдосконалення наявного механізму класифікації інформації про об'єкти будівництва, які планується спорудити. Подібна класифікація має передусім бути максимально прагматичною з врахуванням особливостей кожного виду, функції об’єкта та етапу його будівництва. В статті пропонується здійснювати класифікацію об'єктів будівництва на основі штучної нейронної мережі. Відповідно до порядку побудови нейронної мережі для цілей класифікації в статті проаналізовано кожний етап, а саме: постановка задачі; нормалізація вагових коефіцієнтів; визначення функції активації нейрону; підготовка навчальної вибірки; навчання нейронної мережі; застосування нейронної мережі. Зазначена процедура виключає суб’єктивний компонент класифікації об'єктів будівництва.
Анотація (рус): 
В городе Киеве разработана система учета объектов строительства. Эта система предназначена для ведения градостроительного кадастра и градостроительного мониторинга, в ее составе разработана схема выявления, реагирования и предотвращения незаконной застройки, самозахвата земельных участков и привлечения к ответственности виновных лиц. В конструкции указанной информационной системы действует «ручной способ» классификации объектов строительства по статусу законности строительства на основе анализа входящей информации. Возникает необходимость совершенствования или разработки нового механизма классификации информации об объектах строительства, которые планируется построить. Подобная классификация прежде всего должна учитывать особенностей каждого вида объекта, его функции и этапа строительства. В статье предлагается осуществлять классификацию объектов строительства на основе искусственной нейронной сети. В соответствии с порядком построения нейронной сети для целей классификации в статье проанализирован каждый этап, а именно: постановка задачи; нормализация весовых коэффициентов; определение функции активации нейрона; подготовка обучающей выборки; обучение нейронной сети; применение нейронной сети. Указанная процедура исключает субъективный компонент классификации объектов строительства.
Анотація (англ): 
In the city of Kiev, a system of accounting for construction sites was developed. This system is designed for urban planning cadastre and urban monitoring, it has developed a scheme for identifying, responding and preventing illegal construction, land squatting and bringing to justice the perpetrators. In the design of this information system, there is a "manual method" for classifying construction objects according to the status of the legality of construction on the basis of analysis of incoming information. There is a need to improve or develop a new mechanism for classifying information on construction sites that are planned to be built. Such a classification must first of all take into account the characteristics of each type of object, its function and the stage of construction. The article proposes to classify construction objects on the basis of an artificial neural network. In accordance with the order of building a neural network for classification purposes, each stage is analyzed in the article, namely: statement of the problem; Normalization of weighting factors; Determination of the neuron activation function; Preparation of the training sample; Training neural network; Application of neural network. This procedure excludes the subjective component of the classification of construction objects. Artificial neural networks can achieve a new quality of work, gain economic benefit from their implementation or organize a new decision-making process.
Публікатор: 
Київський національний університет будівництва і архітектури
Назва журналу, номер, рік випуску (укр): 
Управління розвитком складних систем, номер 30, 2017
Назва журналу, номер, рік випуску (рус): 
Управление развитием сложных систем, номер 30, 2017
Назва журналу, номер, рік випуску (англ): 
Management of Development of Complex Systems
Мова статті: 
Українська
Формат документа: 
application/pdf
Документ: 
29.pdf
Дата публікації: 
10 Апрель 2017
Номер збірника: 
30
Розділ: 
УПРАВЛІННЯ ТЕХНОЛОГІЧНИМИ ПРОЦЕСАМИ
Університет автора: 
Київський національний університет будівництва і архітектури, Київ
Литература: 

1.    Закон України Про регулювання містобудівної діяльності: прийнятий 17 лютого 2011 р. [Електронний ресурс]. – Режим доступу: http://zakon5.rada.gov.ua/laws/show/3038-17.

2.    Закон України Про основи містобудування: прийнятий 16 листопада 1992 р. [Електронний ресурс]. – Режим доступу: http://zakon4.rada.gov.ua/laws/show/2780-12.

3.    Яргина, З. Н. Основы теории градостроительства [Текст] / З.Н. Яргина, Я.В. Косицкий, В.В. Владимиров,
А.Э. Гутнов, Е.М. Микулина, В.А. Сосновский – М.: Стройиздат, 1986. – 326 с.

4.    Сосновський В. А. Прикладные методы градостроительных исследований: учебн. пособ. / В.А. Сосновський Н.С. Русакова. – М.: Архитектура-С, 2006 – 112 с.

5.    Трухачев Ю. Н. Общая теория градостроительных систем (методологическая концепция) / Ю. Н. Трухачев, – Ростов-на-Дону: Ростовская государственная академия архитектуры и искусства, 2006. – 120 с.

6.    Смілка, В.А. Ідентифікація об’єктів будівництва в системі містобудівного кадастру [Текст] / В.А. Смілка // Управління розвитком складних систем Зб. наук. праць. – К.: КНУБА, 2015. – Вип. 24. – С.125-130.

7.    Гайна, Г.А. Інформаційна технологія управління задачами містобудування [Текст] / Г.А. Гайна, // Управління розвитком складних систем: Зб. наук. праць. – К.: КНУБА, 2010. – Вип. 3. – С. 42-47.

8.    Задоров, В.Б. Формирование иерархических информационных моделей обьектов и процессов с использованием онтологій предметных областей [Текст] / В.Б. Задоров, В.В. Демченко, В.Т. Шпирний, І.В. Бондаренко // Управління розвитком складних систем: Зб. наук. праць. – К.: КНУБА, 2012. Вип. 10. – С.106-111.

9.    Панова, Л.П. Системность архитектурной среды: монографія [Текст] / Л. П. Панова; Харьк. нац. акад. город. хоз-ва – Х: ХНАГХ, 2010. – 235 с.

10. Григоровський П.Є. Методика визначення техніко-економічних показників нового будівництва в ущільнених умовах [Текст] / П.Є. Григоровський, О.С. Молодід, М.І. Надточій // Управління розвитком складних систем: Зб. наук. праць. – К.: КНУБА, 2015.- Вип. 22 – С. 186-192.

11. Патракеєв І. М. ГІС в управлінні територіями / І. М. Патракеєв; ХНАМГ – Х.: ХНАМГ, 2011. – 115 с.

12. Федушко С.С. Розроблення алгоритму визначення адекватності даних інформаційного образу учасника віртуальних спільнот [Текст] / С.С. Федушко, Д.В. Мельник // Управління розвитком складних систем. – К.: КНУБА, 2015. – Вип. 27. – С. 132 – 138.

13. Осовский С. Нейронные сети для обработки информации / Пер. с польского И.Д. Рудинского. – М.: Финансы и статистика, 2002. – 344 с.

14. Круглов В. В. Искусственные нейронные сети. Теория и практика / В. В. Круглов, В. В. Борисов – М.: Горячая линия – Телеком, 2001. – 382 с.

15. Тархов Д.А. Нейронные сети. Модели и алгоритмы / Д.А. Тархов – Кн. 18. М. – Радиотехника, 2005. 256 с.

16. Горбань А.Н. Обучение нейронных сетей / А.Н. Горбань. – М.: СП "Параграф", 1990. – 134 с.

17. Мкртчян С.О. Нейроны и нейронные сети / С.О. Мкртчян. – М.: Энергия, 1971. – 232 с.

References: 

1.    Law of Ukraine «About adjusting of town-planning activity». (n.d.). zakon4.rada.gov.ua. Retrieved from http://zakon5.rada.gov.ua/laws/show/3038-17 [in Ukrainian].

2.    Law of Ukraine «On Principles of Urban planning». (n.d.). zakon4.rada.gov.ua. Retrieved from http://zakon4.rada.gov.ua/laws/show/2780-12 [in Ukrainian].

3.    Yarhyna, Z.N., Kosytskyy, Ya.V., Vladymyrov, V.V., Hutnov, A.E., Mykulyna, E.M., & Sosnovskyy V.A. (1986). Fundamentals urban planning theory. Moskow, USSR: Stroyyzdat, 326 [in Russian].

4.    Sosnovskyi, V.A. & Rusakova, N.S. (2006). Applied methods of urban research: a training manual. Moscow. Russia. [in Russian].

5.    Trukhachov, Yu.N. (2006). The general theory of urban systems (methodological concept). Rostov-na-Donu, Russia. [in Russian].

6.    Smilka, V.A. (2015). Identification of construction objects in the urban cadastre system. Management of Development of Complex Systems, 24, 125–130. [in Ukrainian].

7.    Hayna, H.A. (2010). Information technology of management by the tasks of town-planning. Management of development of complex systems. Kyiv, Ukraine: 3, 42-47 [in Ukrainian].

8.    Zadorov, V.B. (2012). Of information hierarchical object model and processes with the use of ontologies object regions / V. Zadorov., V. Demchenko., V. Shpyrnyy., I. Bondarenko // Management of development of complex systems: Kyiv, Ukraine : 10, 106-111 [in Ukrainian].

9.    Panova, L.P. (2010). Achitecture systematic environment. Kharkiv, Ukraine, 235 [in Russian].

10. Grihorovskiy, P., Molodid, O. & Nadtochiy, N. (2015). The method of determining the technical and econo mic indicators of new construction in compacted conditio. Management of Development of Complex Systems, 22 (1), 186-192 [in Ukrainian].

11. Patrakeev, I.M. (2011). GIS in the management territories. Kharkiv, Ukraine, 115 [in Ukrainian].

12. Fedushko, Solomia & Melnyk, Daryna. (2016). Development of algorithm of adequacy data determination for virtual communities member’ information image. Management of development of difficult systems, 27, 132–138 [in Ukrainian].

13. Osovskyi, S. (2002). Neural networks for information processing. Moscow, Russia, 344 [in Russian].

14. Kruglov, V.V. & Borysov, V.V. (2001). Artificial neural networks. Theory and practice. Moscow, Russia, 382 [in Russian].

15. Tarkhov, D. (2005) Neural networks. Models and algorithms. T 18, Moscow, Russia, 256 [in Russian].

16. Gorban, A. (1990). Training of neural networks. Moscow, USSR, 134 [in Russian].

17. Mkrtchjan, S. (1971). Neurons and neural networks. Moscow, USSR, 232 [in Russian].