350 руб
Журнал «Нелинейный мир» №1 за 2009 г.
Статья в номере:
Рекурсивно-регрессионная самоорганизация моделей анализа и контроля сложных систем
Ключевые слова: сложные системы регрессионный анализ групповой учет аргументов
Авторы:
В.В. Мокшин, И.М. Якимов, Р.М. Юльметьев, А.В. Мокшин
Аннотация:
Представлен рекурсивно-регрессионный подход в формировании модели функционирования сложной системы, состоящей из объекта исследования, являющегося совокупностью связанных с ним признаков; показано, что в предлагаемом подходе сочетается метод группового учета аргументов со стандартным регрессионным анализом, адаптированным к быстрым динамическим процессам; в качестве примера выполнено рекурсивно-регрессионное моделирование функционирования промышленного предприятия
Страницы: 66
Список источников
  1. Mantegna R.N., Stanley H.E., An Introduction to Econophysics: Correlations and Complexity in Finance. - Cambridge: Cambridge University Press, 1999.
  2. Chakrabarti B.K., Chakraborti A., Chatterjee A., Econophysics and Sociophysics: Trends and Perspectives. - Berlin: Wiley-VCH, 2006.
  3. Yulmetyev R.M., Mokshin A.V., Hanggi P., Universal approach to overcoming nonstationary, unsteadiness and non-Markovity of stochastic processes in complex systems. - Physica A, 2005, vol. 345, pp. 303 - 325.
  4. Mokshin A.V., Yulmetyev R.M., Hanggi P. Simple Measure of Memory for Dynamical Processes Described by a Generalized Langevin Equation. - Physical Review Letters, 2005, vol. 95, pp. 200601(1) - 200601(4).
  5. Rufus I., Differential Games: A Mathematical Theory with Applications to Warfare and Pursuit, Control and Optimization. - New York: John Wiley and Sons, 1965.
  6. Васин Е.А., Костенко В.А., Коваленко Д.С. Автоматическое построение алгоритмов, основанных на алгебраическом подходе, для распознавания предаварийных ситуаций динамических систем. - Искусственный интеллект, 2006, №2, с. 130 - 134.
  7. Ивахненко А.Г., Кротов Г.И. Мультипликативно-аддитивный нелинейный алгоритм МГУА с оптимизацией степени факторов. - Автоматика, 1984. №3, с. 13 - 18.
  8. Тихонов Э.Е. Методы прогнозирования в условиях рынка. − Невинномысск, 2006.
  9. Бокс Дж., Дженкинс Г. Анализ временных рядов. − М., 1974, т. 1, 2.
  10. Ivakhnenko, A.G. and Ivakhnenko, G.A. Simplified Linear Programming Algorithm as Basic Tool for Open-Loop Control. System Analysis Modeling Simulation (SAMS), 1996, vol. 22, pp.177 - 184.
  11. Lemke, F.: SelfOrganize! ? software tool for modelling and prediction of complex systems. SAMS, 1995 vol. 20 , no.1 - 2, рр. 17 - 28.
  12. Вапник В.Н. Алгоритмы и программы восстановления зависимостей. - М.: Наука, 1984.
  13. Ивахненко А.Г. Степашко В.С. Помехоустойчивость моделирования. - Киев, Наукова думка, 1985.
  14. Якимов И.М. Анализ вероятностных объектов на регрессионных моделях. - Вестник Казанского гос. техн. ун-та 2001, №3, с. 40.
  15. Рудаков К.В., Чехович Ю.В. Алгебраический подход к проблеме синтеза обучаемых алгоритмов выделения трендов.?  Докл. РАН, 2003, т. 388, №1, с. 33 - 36.
  16. Gabor D., Wilby W.R., Woodcock R.A. A universal nonlinear filter, predictor and simulator which optimizes itself by a learning process, 1961, vol. 108., part B, №40, pp .85 - 98.
  17. Головешкин В. А., Ульянов М.В. Теория рекурсии для программистов. - М., 2006.
  18. Крисилов В.А., Побережник С.М. Ускорение параметрического синтеза линейной регрессии на основе редукционного оценивания коэффициентов. - Регистрация, хранение и обработка данных, 2002, т. 4, №3, с . 62 - 68.
  19. Головко В.А. Нейронные сети: обучение, организация и применение. Кн. 4. - М.: ИПРЖР, 2001.
  20. Елисеева И.И., Юзбашев М.М. Общая теория статистики. - М.: Финансы и статистика, 1995.
  21. Харлямов А.И., Башина О.Э., Бабурин В.Т. и др. Общая теория статистики: Статистическая методология в изучении коммерческой деятельности: ? М.: Финансы и статистика, 1997.