Выбор модели действительности для наблюдаемой системы с помощью нейросети

Рассматривается проблема выбора и идентификации модели реальной системы по результатам наблюдений. Процедура идентификации выполняется с использованием настроенной нейронной сети. Выбор модели осуществляется с использованием меры эквивалентности предлагаемой модели моделям, соответствующим обучающим...

Повний опис

Збережено в:
Бібліографічні деталі
Опубліковано в: :Математичне та комп'ютерне моделювання. Серія: Технічні науки
Дата:2015
Автори: Ободан, Н.И., Гук, Н.А., Магас, А.С.
Формат: Стаття
Мова:Російська
Опубліковано: Інститут кібернетики ім. В.М. Глушкова НАН України 2015
Онлайн доступ:https://nasplib.isofts.kiev.ua/handle/123456789/133712
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:Выбор модели действительности для наблюдаемой системы с помощью нейросети / Н.И. Ободан, Н.А. Гук, А.С. Магас // Математичне та комп'ютерне моделювання. Серія: Технічні науки: зб. наук. пр. — Кам’янець-Подільський: Кам'янець-Подільськ. нац. ун-т, 2015. — Вип. 12. — С. 84-91. — Бібліогр.: 4 назв. — рос.

Репозитарії

Digital Library of Periodicals of National Academy of Sciences of Ukraine
Опис
Резюме:Рассматривается проблема выбора и идентификации модели реальной системы по результатам наблюдений. Процедура идентификации выполняется с использованием настроенной нейронной сети. Выбор модели осуществляется с использованием меры эквивалентности предлагаемой модели моделям, соответствующим обучающим выборкам. При выборе меры эквивалентности используется теорема взаимности. Формулируются условия разрешимости задачи идентификации параметров. The problem of selection and identification of the model of a real system based on the results of observations is considered. The identification procedure using configured neural network is performed. Selection of the model using the measure of equivalence of proposed model to the models with corresponding training samples is presented. The reciprocity theorem while selecting measures of equivalence was used. Conditions of solvability of parameter identification problem were formulated.
ISSN:2308-5916