Архив статей журнала
в настоящее время особо актуальной стала проблема светофорного регулирования транспортных потоков. Как правило, системы управления светофорами зависят от оператора или следуют строго прописанным заранее правилам. В связи с этим ставится задача разработки интеллектуальной системы, которая смогла бы полностью самостоятельно автоматически принимать решение о включении или выключении того или иного светофора на перекрестке. В работе рассмотрена модель городского светофора на крестообразном перекрестке. Предложены режимы работы перекрестка, характеризующиеся набором включенных и выключенных светофоров для безаварийного проезда машин в определенном направлении. Данные режимы позволяют свести задачу управления светофором к задаче классификации. Разработана нейросетевая модель светофора, позволяющая решить данную задачу. В качестве входных данных модель получает количество машин на каждом направлении. На выходе нейросетевая модель по создавшейся ситуации на перекрестке выбирает тот или иной режим перекрестка. Были проведены экспериментальные исследования для определения конфигурации модели, а также вычислительные эксперименты, показавшие принципиальную возможность использования данного подхода к решению поставленной задачи и высокую эффективность предложенной модели.
данная статья посвящена оценке достаточности имеющихся данных для факторного анализа с целью создания формулы плановой потребности в рамках годовой заявки с целью снижения трудовых затрат персонала. Для реализации использовался язык программирования C# и средства Microsoft Excel. В наборе данных рассматриваются такие данные, как численность льгото- получателей региона, страдающих сахарным диабетом, среднегодовое изменение такой численности, количество получаемого препарата, половой состав пациентов, страдающих диабетом, их возрастной состав и количество пациентов, разделенных на три группы по количеству льготных категорий: с одной категорией, двумя категориями и тремя и более категориями. В работе используются упрощения, не оказывающие существенного влияния на получаемые значения в силу специфики предметной области. Полученные результаты указывают на перспективность реализации данного метода, планируется создание и обучение нейронной сети для формирования более точных формул расчета плановой потребности. Также сделан вывод о необходимости изучить вопрос автоматизированного создания модели для факторного анализа с целью проверки качества текущей модели. Для позиций, имеющих достаточный объем данных для обучения нейронной сети, эффективно предсказывающей плановую потребность, имеет смысл использовать ее, а не рассматриваемое решение.