Эффективный нейросетевой метод пошагового прогнозирования и его применение к многомерным задачам

Разработан эффективный практический метод пошагового прогнозирования, основанный на последовательном продвижении с интерполяционным пополнением данных вблизи подвижной границы и доучиванием нейросети, что соответствует эволюционной модели познания. Метод применен к двумерной задаче прогнозирования деформирования изгибаемой пластинки. Получены достаточно точные результаты прогнозирования по всей области в отличие от традиционного применения нейросетевой экстраполяции, которое не обеспечивает желаемой точности и глубины прогнозирования. Исследовано на примерах влияние массива исходной информации обучающей выборки, ее топологии и плотности на процесс и развитие прогнозирования.