Робастная нейроэволюционная идентификация нелинейных нестационарных объектов
Предложено использование нейроэволюционного подхода к построению математических моделей нелинейных нестационарных объектов при наличии негауссовских помех измерений. Рассмотрена общая структура эволюционной нейросети прямого распространения. Проведено имитационное моделирование различных случаев нес...
Збережено в:
| Опубліковано в: : | Кибернетика и системный анализ |
|---|---|
| Дата: | 2014 |
| Автори: | , |
| Формат: | Стаття |
| Мова: | Російська |
| Опубліковано: |
Інститут кібернетики ім. В.М. Глушкова НАН України
2014
|
| Теми: | |
| Онлайн доступ: | https://nasplib.isofts.kiev.ua/handle/123456789/115731 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Цитувати: | Робастная нейроэволюционная идентификация нелинейных нестационарных объектов / О.Г. Руденко, А.А. Бессонов // Кибернетика и системный анализ. — 2014. — Т. 50, № 1. — С. 21-36. — Бібліогр.: 51 назв. — рос. |
Репозитарії
Digital Library of Periodicals of National Academy of Sciences of Ukraine| Резюме: | Предложено использование нейроэволюционного подхода к построению математических моделей нелинейных нестационарных объектов при наличии негауссовских помех измерений. Рассмотрена общая структура эволюционной нейросети прямого распространения. Проведено имитационное моделирование различных случаев нестационарности, подтвердившее эффективность развиваемого подхода.
Запропоновано використання нейроеволюційного підходу до побудови математичних моделей нелінійних нестаціонарних об’єктів за наявності негаусівських завад вимірювань. Розглянуто загальну структуру еволюційної нейромережі прямого розповсюдження. Проведено моделювання різних випадків нестаціонарності, яке підтвердило ефективність підходу, що розвивається.
The neuroevolutionary approach is proposed to construct the mathematical models of nonlinear nonstationary objects in the presence of non-Gaussian noise. The general structure of an evolutionary feed-forward neural network is considered. The modeling of the proposed approach for various cases of nonstationarity is carried out, which proved the efficiency of the approach.
|
|---|