Прогнозування нестаціонарних часових рядів на основі штучних нейронних мереж з елементами часової затримки

Чепенко, Т. Є.

Публікація:
Прогнозування нестаціонарних часових рядів на основі штучних нейронних мереж з елементами часової затримки

dc.contributor.author	Чепенко, Т. Є.
dc.date.accessioned	2016-10-05T13:49:42Z
dc.date.available	2016-10-05T13:49:42Z
dc.date.issued	2013
dc.description.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.	uk_UA
dc.identifier.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.	uk_UA
dc.identifier.uri	http://openarchive.nure.ua/handle/document/3201
dc.language.iso	uk	uk_UA
dc.subject	штучні нейронні мережі з елементами часової затримки	uk_UA
dc.subject	багатозв’язні системи	uk_UA
dc.subject	стохастичні процеси	uk_UA
dc.subject	динамічні нейрони-фільтри	uk_UA
dc.subject	кінцева і нескінченна імпульсні характеристики	uk_UA
dc.subject	artificial neural networks with time delay elements	uk_UA
dc.subject	multivariable systems	uk_UA
dc.subject	stochastic process	uk_UA
dc.subject	dynamic neuron-filters	uk_UA
dc.subject	finite-impulse and infinite-impulse response	uk_UA
dc.title	Прогнозування нестаціонарних часових рядів на основі штучних нейронних мереж з елементами часової затримки	uk_UA
dc.type	Other	uk_UA
dspace.entity.type	Publication