Please use this identifier to cite or link to this item: http://openarchive.nure.ua/handle/document/3201
Title: Прогнозування нестаціонарних часових рядів на основі штучних нейронних мереж з елементами часової затримки
Authors: Чепенко, Т. Є.
Keywords: штучні нейронні мережі з елементами часової затримки
багатозв’язні системи
стохастичні процеси
динамічні нейрони-фільтри
кінцева і нескінченна імпульсні характеристики
artificial neural networks with time delay elements
multivariable systems
stochastic process
dynamic neuron-filters
finite-impulse and infinite-impulse response
Issue Date: 2013
Publisher: Харк. нац. ун-т радіоелектроніки
Citation: Чепенко Т. Є. Прогнозування нестаціонарних часових рядів на основі штучних нейронних мереж з елементами часової затримки : автореф. дис. ... канд. техн. наук : 05.13.23 – "Системи та засоби штучного інтелекту" / Т. Є. Чепенко ; Харк. нац. ун-т радіоелектроніки. – Х., 2013. – 23 с.
Abstract: Дисертація присвячена навчанню штучних нейронних мереж з елементами часової затримки, які призначені для прогнозування нелінійних процесів, що описуються нестаціонарними стохастичними часовими послідовностями. Удосконалено архітектуру штучної нейронної мережі з прямою передачею інформації, що має робастні властивості в умовах збурень з невідомим розподілом та метод навчання штучних нейронів на основі робасного критерію оцінювання Велша. Вперше запропоновано методи навчання прогнозуючих рекурентних нейронних мереж на динамічних нейронах-фільтрах з кінцевою і нескінченною імпульсною характеристиками. Проведене імітаційне моделювання розроблених методів прогнозування на основі штучної нейронної мережі. Результати роботи використано при розв’язанні практичної задачі побудови прогнозуючої моделі системи охоронної сигналізації. The thesis is devoted to learning of the artificial neural networks with time delay elements for forecasting of time series that describe the behavior of the multivariable systems. The adaptive predictive models of stochastic processes and their learning methods have received further development. The architecture of artificial neural networks with the feed forward propagation of information and that have robust properties in conditions of disturbances with unknown distribution and the learning method of artificial neurons on the base on robust Welsh`s criterion had been improved. New methods of learning predictive recurrent neural networks based on dynamic neurons-filters with finite-impulse and infinite-impulse response are presented. The efficiency of the proposed methods was experimentally confirmed by the instrumentality of simulation modeling. The proposed learning methods and networks structures were used in the practical task of the intrusion alarm system modeling.
URI: http://openarchive.nure.ua/handle/document/3201
Appears in Collections:Автореферати

Files in This Item:
File Description SizeFormat 
ChepenkoTE.pdf572.93 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.