Об одном алгоритме обучения нейросетевой модели нелинейного динамического объекта

Abstract

Центральными вопросами математического прогнозирования являются выбор и обоснование математической модели прогнозируемого процесса или явления. Алгоритмы позволяют строить качественные нейросетевыё модели нелинейных нестационарных динамических объектов. При этом эффективность данных алторитмов существенно зависит от того, насколько качественным оказался выбор параметров A и S . Изучалась эффективность работы алгоритма обучения при построении нейронных моделей различных нелинейных динамических объектов.