Отрывок: Таким образом, веса 1-х нейронов каждого слоя адаптивно настраиваются в соответствии с выражениями: 3 10' *1 31 31 31 10 ( ) ,m d sw w e C ds 2 10' 21 21 21 21 10 ( ) ,d sw w e y ds 1 64' 11 11 11 11 64 ( ) .d sw w e y ds Минимизация ошибки обеспечивается выше рас- смотренной итерационной процедур...
Название : | Метод прогнозирования изменений параметров временных рядов в цифровых информационно-управляющих системах |
Другие названия : | Method for forecasting changes in time series parameters in digital information management systems |
Авторы/Редакторы : | Кропотов, Ю.А. Проскуряков, А.Ю. Белов, А.А. |
Ключевые слова : | прогнозирование информационные системы управления функциональный ряд нейронная сеть временной ряд трехслойный персептрон |
Дата публикации : | 2018 |
Издательство : | Новая техника |
Библиографическое описание : | Кропотов, Ю.А. Метод прогнозирования изменений параметров временных рядов в цифровых информационно-управляющих системах / Ю.А. Кропотов, А.Ю. Проскуряков, А.А. Белов // Компьютерная оптика – 2018. – Т. 42, № 6. – С. 1093–1100. – DOI: 10.18287/2412-6179-2018-42-6-1093-1100 |
Серия/номер : | 42;6 |
Аннотация : | Прогнозирование изменений параметров временных рядов является актуальной задачей при мониторинге исследуемых процессов в цифровых информационных системах управления при исследовании проблем увеличения горизонта предсказания и минимизации погрешности прогноза. В работе исследуются алгоритмы прогноза, основанные на моделях, воспроизводящих динамику временного ряда в форме искусственных нейронных сетей. Получены уравнения функционирования и обучения искусственной нейронной сети в матричной форме, получен алгоритм обратной подстановки, с помощью которого можно увеличить глубину прогноза. В работе представлено решение задачи прогноза, состоящее в нахождении оценок предсказания посредством минимизации функции потерь – квадрата нормы отклонения оценок от наблюдаемых значений временного ряда и в определении коэффициентов модели алгоритмом обучения искусственных нейронных сетей итерационным методом обратного распространения ошибок. Применение разработанных алгоритмов позволило построить структурную схему реализации нейросетевого прогнозирования, с помощью которого можно получить достаточно точное представление об изменениях параметров временных рядов в системах мониторинга исследуемых процессов по критериям длительности и минимизированной погрешности получения прогноза. |
URI (Унифицированный идентификатор ресурса) : | https://dx.doi.org/10.18287/2412-6179-2018-42-6-1093-1100 http://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Metod-prognozirovaniya-izmenenii-parametrov-vremennyh-ryadov-v-cifrovyh-informacionnoupravlyaushih-sistemah-73272 |
Другие идентификаторы : | Dspace\SGAU\20181226\73272 |
ГРНТИ: | 50.43.17 |
Располагается в коллекциях: | Журнал "Компьютерная оптика" |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
420619.pdf | Основная статья | 951.41 kB | Adobe PDF | Просмотреть/Открыть |
Показать полное описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.