350 rub
Journal Neurocomputers №11 for 2009 г.
Article in number:
Neural network forecast in complex dynamics objects
Keywords: neural network forecast safety of operation of active ice wavigation ships
Authors:
Yu. S. Zhuk, Yu. I. Nechaev
Abstract:
In article the approach to identification of telemetering parametres on a basis is considered is frequency-rangovogo distributions with application of neural networks. The telemetering signal is represented in the form of a vector of characteristics. For formation of a vector of characteristics the characteristics received as a result of approximation are used is frequency-rangovoj dependences. On the basis of the received vectors of characteristics the neural network is under construction. By means of a neural network identification of the new telemetering parametres presented in the form of a vector of characteristics is spent.
Pages: 3-11
References
  1. Айзерман М. А., Алексеров Ф. Т. Выбор вариантов. Основы теории. М.: Наука. 1990.
  2. Аксак Н. Г., Тыхун А. Ю. Вычислительная модель нейроалгоритма многослойного персептрона // Высокопроизводительные параллельные вычисления на кластерных системах. Нижний Новгород. Изд-во Нижегородского университета. 2006. С. 10 - 17.
  3. Белламан Р., Заде Л. Принятие решений в расплывчатых условиях. М.: Мир. 1976.
  4. Вовк С. П. Разработка технологии нечеткого моделирования ситуаций принятия решений в частично формализованных средах // Программные продукты и системы. 2004. № 3. С. 16 - 22.
  5. Галушкин А. И. Теория искусственных нейронных сетей. - М.: ИПРЖР, 2000.
  6. Гнусов Ю.В., Ерохин А.Л. Использование нейросетевых методов для прогнозирования временных рядов // ИИ. 2002. №4. С. 686-691.
  7. Гэри М., Джонсон Д. Вычислительные сложности и труднорешаемые задачи. М.: Мир. 1982.
  8. Кендaл М. Временные ряды. М.: Финансы и статистика. 1981.
  9. Кирсанов С. Ю. Нейрокомпьютеры с параллельной архитектурой / Нейрокомпьютеры: разработка, применение. Кн. 16 / Под ред. А. И. Галушкина. М.: Радиотехника. 2004.
  10. Макаренко Н. Г. Эмбедология и нейропрогноз // Нейроинформатика-2003. МИФИ. 2003. С. 86 - 148.
  11. Макаров И.М. Теория принятия решений. М.: Наука. 1986.
  12. Нечаев Ю. И. Принципы использования нейронных сетей в бортовых интеллектуальных системах // Нейрокомпьютеры: разработка, применение. 2004. № 7-8. С. 49 - 56.
  13. Нечаев Ю. И. Нейроаппроксимация и нейропрогноз при контроле динамики сложного объекта // Нейрокомпьютеры: разработка, применение. 2005. № 9. С. 22 ? 31.
  14. Орловский С. А. Проблемы принятия решений при неполной исходной информации. М.: Наука. 1981.
  15. Шаров К. С., Шестопалов М. Ю. Построение математических моделей непрерывных технологических процессов на базе Neuro-Fuzzy-технологий // SCM-2000. Т.1. С. 10 ? 13.
  16. Вrusov, V. S., Tiumentsev, Yu. V., High performance aircraft flight control based on artificial neural networks // Proc. of the RRDPAE-96. Warsaw.1997. P. 97 - 100.
  17. Kosko, B., Neural networks and fuzzy systems: A dynamical systems approach to machine intelligence. Prentice-Hall. Engliwood Cliffs. New Jersey. 1991.
  18. Saatу, T. L., A sealing method for priorities in hierarchical structures // J. Match. Psychology. 1977. Vol. 15. No. 3.
  19. Takens, F., Lectures notes in mathematics. N. Y. Springer. 1981. V. 898. P. 366 - 381.
  20. Zadeh, L., Fuzzy logic, neural networks and soft computing // Commutation on the ASM-1994. V. 37. No. 3. Р. 77 - 84.