КОНФЕРЕНЦІЇ ВНТУ електронні наукові видання, 
Молодь в науці: дослідження, проблеми, перспективи (МН-2026)

Розмір шрифта: 
АНАЛІЗ МЕТОДІВ МАШИННОГО НАВЧАННЯ ДЛЯ ПРОГНОЗУВАННЯ ТЕХНІЧНОГО СТАНУ ОБЛАДНАННЯ
Антон Артурович Пакула, Антон Артурович Пакула, Володимир Володимирович Гармаш

Остання редакція: 2026-05-01

Анотація


У роботі проведено аналіз основних методів машинного навчання, що застосовуються для прогнозування технічного стану промислового обладнання. Розглянуто класичні алгоритми машинного навчання, зокрема метод опорних векторів, випадковий ліс та градієнтний бустинг, а також методи глибокого навчання — рекурентні нейронні мережі, мережі довгої короткочасної пам'яті та згорткові нейронні мережі. Визначено переваги та обмеження кожного підходу в контексті задач прогнозного технічного обслуговування. Обґрунтовано перспективність гібридних підходів для підвищення точності прогнозування залишкового ресурсу обладнання.

Ключові слова


машинне навчання, прогнозування технічного стану, прогнозне обслуговування, залишковий ресурс, глибоке навчання, промислове обладнання

Посилання


Hastie, T., Tibshirani, R., Friedman, J. The elements of statistical learning. – 2nd ed. – New York : Springer, 2009. – 745 ст.

Goodfellow, I., Bengio, Y., Courville, A. Deep learning. – Cambridge, MA : MIT Press, 2016. – 800 ст.

Murphy, K. P. Machine learning: a probabilistic perspective. – Cambridge, MA : MIT Press, 2012. – 1104 ст.

Bishop, C. M. Pattern recognition and machine learning. – New York : Springer, 2006. – 738 ст.

Повний текст: PDF