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...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Кропотов, Ю.А. | - |
dc.contributor.author | Проскуряков, А.Ю. | - |
dc.contributor.author | Белов, А.А. | - |
dc.date.accessioned | 2018-12-29 10:02:02 | - |
dc.date.available | 2018-12-29 10:02:02 | - |
dc.date.issued | 2018 | - |
dc.identifier | Dspace\SGAU\20181226\73272 | ru |
dc.identifier.citation | 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 | ru |
dc.identifier.uri | https://dx.doi.org/10.18287/2412-6179-2018-42-6-1093-1100 | - |
dc.identifier.uri | http://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Metod-prognozirovaniya-izmenenii-parametrov-vremennyh-ryadov-v-cifrovyh-informacionnoupravlyaushih-sistemah-73272 | - |
dc.description.abstract | 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. | ru |
dc.language.iso | rus | ru |
dc.publisher | Новая техника | ru |
dc.relation.ispartofseries | 42;6 | - |
dc.subject | прогнозирование | ru |
dc.subject | информационные системы управления | ru |
dc.subject | функциональный ряд | ru |
dc.subject | нейронная сеть | ru |
dc.subject | временной ряд | ru |
dc.subject | трехслойный персептрон | ru |
dc.title | Метод прогнозирования изменений параметров временных рядов в цифровых информационно-управляющих системах | ru |
dc.title.alternative | Method for forecasting changes in time series parameters in digital information management systems | ru |
dc.type | Article | ru |
dc.textpart | 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... | - |
dc.classindex.scsti | 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 базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.