350 руб
Журнал «Нейрокомпьютеры: разработка, применение» №6 за 2010 г.
Статья в номере:
Декомпозиция на эмпирические моды и ее примене-ние для идентификации информативных компонент и прогнозирования сигналов с использованием нейронных сетей
Ключевые слова: нейронные сети декомпозиция эмпирические моды обработка сигналов
Авторы:
Д. М. Клионский - аспирант Санкт-Петербургского государственного электротехнического университета «ЛЭТИ». E-mail: klio2003@list.ru Н. И. Орешко - к.т.н., вед. научн. сотр. ОАО «Научно-инженерный центр Санкт-Петербургского электротехнического университета», научно-исследовательский отдел (НИО). E-mail: oreshko@nic.spb.ru В. В. Геппенер - д.т.н., профессор кафедры МО ЭВМ СПбГЭТУ «ЛЭТИ». E-mail: geppener@mail.ru И. В. Неунывакин - ведущий экономист ООО «Талион Трейдинг». E-mail: igor_neu@mail.ru
Аннотация:
Технология обработки сигналов на основе декомпозиции на эмпирические моды (ДЭМ) в настоящее время широко используется в различных научных приложениях. Главным ее преимуществом является высокая адаптивность к обрабатываемым сигналам. ДЭМ нашла широкое применение при решении задач предварительной обработки, структурного анализа (компонентного, частотно-временного) и интеллектуального анализа сигналов. В данной статье приводятся основные теоретические сведения, описывается ряд подходов для выделения информативных компонент в разложении и рассматривается задача прогнозирования сигналов с использованием нейронных сетей.
Страницы: 43-50
Список источников
  1. Клионский Д. М., Орешко Н. И., Геппенер В. В.Декомпозиция на эмпирические моды и ее использование при анализе дробного броуновского движения // Цифровая Обработка Сигналов. 2008. № 3. С. 37-45.
  2. Klionsky, D. M., Oreshko, N. I., Geppener, V. V., Applications of Empirical Mode Decomposition for Processing Nonstationary Signals // Pattern Recognition and Image Analysis. 2008. V. 13. No. 3. P. 390-399.
  3. Klionsky, D. M., Oreshko N. I., Geppener V. V., Empirical Mode Decomposition in Segmentation and Clustering of Slowly and Fast Changing Non-Stationary Signals // Pattern Recognition and Image Analysis. 2009. V. 19. No. 1. P. 14-29.
  4. Huang, N., Shen, S., Hilbert-Huang Transform and Its Applications // World Scientific. 2005.
  5. Huang, N. E., etc. The Empirical Mode Decomposition and The Hilbert Spectrum for Non-linear and Non-stationary // Time Series Analysis, Proc. Royal Soc. London. 1998. V. 454. P. 903-995.
  6. Хайкин С. Нейронные сети. Полный курс. М. - СПб. - Киев: Вильямс. 2006.