Підвищення точності інтерпретації нейромережевих моделей нелінійних динамічних об'єктів

Підвищення точності інтерпретації нейромережевих моделей нелінійних динамічних об'єктів

The paper is devoted to the problem of neural network interpretation in the tasks of modeling nonlinear dynamic objects. The purpose of the work is to improve the accuracy of the neural network models interpretation of nonlinear dynamic objects and to determine the scope of their effective applicati...

Повний опис

Збережено в:
Бібліографічні деталі
Дата:2023
Автор: Крикун, Валентин
Формат: Стаття
Мова:English
Опубліковано: Kamianets-Podilskyi National Ivan Ohiienko University 2023
Онлайн доступ:http://mcm-tech.kpnu.edu.ua/article/view/294176
Теги: Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
Назва журналу:Mathematical and computer modelling. Series: Technical sciences

Репозиторії

Mathematical and computer modelling. Series: Technical sciences
id mcmtechkpnueduua-article-294176
record_format ojs
spelling mcmtechkpnueduua-article-2941762023-12-22T10:27:12Z Improving the Accuracy of the Neural Network Models Interpretation of Nonlinear Dynamic Objects Підвищення точності інтерпретації нейромережевих моделей нелінійних динамічних об'єктів Крикун, Валентин The paper is devoted to the problem of neural network interpretation in the tasks of modeling nonlinear dynamic objects. The purpose of the work is to improve the accuracy of the neural network models interpretation of nonlinear dynamic objects and to determine the scope of their effective application. This goal is achieved by applying analytical models in the form of integral-power series based on multidimensional weight functions. The scientific novelty of the work lies in the use of nonlinear dynamic models in the form of integral-power series based on multidimensional weight functions instead of linear surrogate models. It allows to improve modeling accuracy. The practical usefulness of the work is determination of the effective application area of analytical interpretive models. The practical significance of the obtained results lies in the application of the proposed models for the interpretation of neural network models of nonlinear dynamic objects, which allows to increase the accuracy of interpretation models compared to linear surrogate models. Робота присвячена проблемі інтерпретації нейронних мереж в задачах моделювання нелінійних динамічних об'єктів. Метою роботи є підвищення точності інтерпретації нейромережевих моделей нелінійних динамічних об’єктів та визначення сфери їх ефективного застосування. В результаті аналітичного огляду підходів до інтерпретації нейронних мереж: візуалізація, числові оцінки ознак та аналітичні вирази, – визначено сфери ефективного застосування аналітичних інтерпретаційних моделей. Так, підходи до інтерпретації моделей машинно-го навчання на основі візуалізації та числові оцінки ознак не дозволяють збудувати аналітичного виразу залежності «вхід/вихід» об'єкту контролю. Тому, при моделюванні складних об'єктів типу «чорна скриня» з нелінійними і динамічними властивостями для забезпечення підвищених вимог до безпеки результатів моделювання (для переконаності у відсутності прихованої поведінки чи логіки, які впливають на поведінку моделі) доцільно використовувати інтерпретаційні аналітичні моделі у вигляді інтегро-ступеневих рядів на основі багатовимірних вагових функцій. На прикладі тестового нелінійного динамічного об'єкту збудовано модель у вигляді нейронної мережі з часовими затримками. Для отриманої нейромережевої моделі збудовано інтерпретаційну модель у вигляді інтегро-ступеневих рядів на основі багатовимірних вагових функцій, яка дозволяє забезпечити одночасно підвищення точності моделювання на 10-12% у порівнянні з лінійними інтерпретаційними моделями та зменшення обчислювального навантаження інтерпретації складних об'єктів дослідження у порівнянні з нейронними мережа-ми з часовими затримками. Kamianets-Podilskyi National Ivan Ohiienko University 2023-10-26 Article Article application/pdf http://mcm-tech.kpnu.edu.ua/article/view/294176 10.32626/2308-5916.2023-24.45-55 Mathematical and computer modelling. Series: Technical sciences; 2023: Mathematical and computer modelling. Series: Technical sciences. Issue 24; 45-55 Математичне та комп'ютерне моделювання. Серія: Технічні науки ; 2023: Математичне та комп'ютерне моделювання. Серія: Технічні науки. Випуск 24; 45-55 2308-5916 10.32626/2308-5916.2023-24 en http://mcm-tech.kpnu.edu.ua/article/view/294176/286970
institution Mathematical and computer modelling. Series: Technical sciences
collection OJS
language English
format Article
author Крикун, Валентин
spellingShingle Крикун, Валентин
Підвищення точності інтерпретації нейромережевих моделей нелінійних динамічних об'єктів
author_facet Крикун, Валентин
author_sort Крикун, Валентин
title Підвищення точності інтерпретації нейромережевих моделей нелінійних динамічних об'єктів
title_short Підвищення точності інтерпретації нейромережевих моделей нелінійних динамічних об'єктів
title_full Підвищення точності інтерпретації нейромережевих моделей нелінійних динамічних об'єктів
title_fullStr Підвищення точності інтерпретації нейромережевих моделей нелінійних динамічних об'єктів
title_full_unstemmed Підвищення точності інтерпретації нейромережевих моделей нелінійних динамічних об'єктів
title_sort підвищення точності інтерпретації нейромережевих моделей нелінійних динамічних об'єктів
title_alt Improving the Accuracy of the Neural Network Models Interpretation of Nonlinear Dynamic Objects
description The paper is devoted to the problem of neural network interpretation in the tasks of modeling nonlinear dynamic objects. The purpose of the work is to improve the accuracy of the neural network models interpretation of nonlinear dynamic objects and to determine the scope of their effective application. This goal is achieved by applying analytical models in the form of integral-power series based on multidimensional weight functions. The scientific novelty of the work lies in the use of nonlinear dynamic models in the form of integral-power series based on multidimensional weight functions instead of linear surrogate models. It allows to improve modeling accuracy. The practical usefulness of the work is determination of the effective application area of analytical interpretive models. The practical significance of the obtained results lies in the application of the proposed models for the interpretation of neural network models of nonlinear dynamic objects, which allows to increase the accuracy of interpretation models compared to linear surrogate models.
publisher Kamianets-Podilskyi National Ivan Ohiienko University
publishDate 2023
url http://mcm-tech.kpnu.edu.ua/article/view/294176
work_keys_str_mv AT krikunvalentin improvingtheaccuracyoftheneuralnetworkmodelsinterpretationofnonlineardynamicobjects
AT krikunvalentin pídviŝennâtočnostíínterpretacíínejromereževihmodelejnelíníjnihdinamíčnihobêktív
first_indexed 2024-04-08T14:59:24Z
last_indexed 2024-04-08T14:59:24Z
_version_ 1795779056957915136

Схожі ресурси