AZƏRBAYCAN MİLLİ ELMLƏR AKADEMİYASI
TURBİN MÜHƏRRİKİ POMPAJININ İMMUN ŞƏBƏKƏSİ ƏSASINDA İDENTİFİKASİYA METODU (ing.)
Bidyuk Pyotr İ., Litvinenko Vladimir İ., Həsənov Aydın S.

Məqalədə mürəkkəb mühəndis sistemlərinin fəaliyyətində anomal halların aşkarlanması problemini həll etmək üçün modifikasiya olunmuş mənfi seçim metod və alqoritmi işlənmişdir. Anomal halların aşkarlanması prinsipi süni immun şəbəkəsinin fəaliyyət mexanizminə əsaslanır. Təklif edilmiş alqoritmin fərqləndirici xüsusiyyəti təlim prosesinin yenilənməsi imkanının olmasıdır, bu adaptiv seçimin mümkünlüyü hesabına həyata keçirilir. Alqoritmin effektivliyi eksperimental tədqiqatlarla təsdiq edilmişdir. (səh. 47-59)

Açar sözlər: mühərrik pompajı, qaz turbin mühərriki, mənfi seçim alqoritmi, süni immun şəbəkəsi təlim alqoritmi
Ədəbiyyat
  • Myrgorod V.F., Grudinkin V.M. The Virtual stand for modeling the systems of aviation engines //  Artificial Intelligence, 2006, №3,­ pp.186–191.
  • Gurevich O. S. A status and prospects of development of systems of automatic control for aviation gas turbine engine / CIAM 2001-2005. The Basic results of scientific and engineering activities. Moscow: CIAM, 2005, pp.267–270.
  • Designing aviation gas turbine engine: the University textbook / Ed. by Prof. A.M. Ahmedzjanova. Мoscow: Mechanical engineering, 2000, 454 p.
  • Mathematical models of aviation engines of any schemes (computer DVIG environment): the Manual / Ed. by Prof. A.M. Ahmedzjanova; UGATU–Ufa, 1998, 128 p.
  • Sosunov V. A., Lytvynov Ju. A. Unsteady operating modes of aviation engines. Мoscow: Mechanical engineering, 1975, 216 p.
  • González F. A Study of Artificial Immune Systems Applied to Anomaly Detection, Ph.D. Dissertation, The University of Memphis, May, 2003. 
  • Hawkins D. Identification of Outliers. London: Chapman and Hall, 1980.
  • Barnett V., Lewis T. Outliers in Statistical Data, 3rd ed. New York: Wiley, 1994.
  • Hampel F., Ronchetti E., Rousseuw P., Stahel W. Robust Statistics. New York: Wiley, 1986.
  • Huber P. Robust Statistics. New York: Wiley, 1981.
  • Dasgupta D., Forrest S. An anomaly detection algorithm inspired by the immune system. In: Dasgupta D. (Ed.) Artificial Immune Systems and Their Applications. New York: Springer-Verlag, 1999, pp. 262–277.
  • D’Haeseleer P., Forrest S., Helman P. An immunological approach to change detection: algorithms, analysis and implications // Proc. of the IEEE Symposium on Computer Security and Privacy, IEEE Computer Society Press, Los Alamitos, CA, 1996.
  • Fefelov A.A., Litvinenko V.I., Bidyuk P.I. Modification of negative selection algorithm on the basis of mechanisms artificial immune sets for solution of anomalies detection problems // The Collection of scientific works in five volumes of the Second International Scientific Conference on Intellectual Systems of Decision-making and Applied Aspects of Information Technologies // Ukraine, Eupatoria 2007, vol.3, pp.73–78.
  • Forrest S., Perelson A.S., Allen L., Cherukuri R.. Self-nonself discrimination in a computer // Proc. of the IEEE Symposium on Research in Security and Privacy, 1994, pp.202–212.
  • De Castro L. N., Von Zuben F. J. “Artificial Immune Systems: Part I–Basic Theory and Applications”, Technical Report–RT DCA 01/99, FEEC/UNICAMP, Brazil, 1999, 95p.
  • Dasgupta D. Advances in Artificial Immune Systems // IEEE Computational Intelligence Magazine. November, 2006.
  • Jerne N. K. Towards a network theory of the immune system // Immunology. (Inst. Pasteur), 1974, vol.125C, pp.373–389.