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...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:Математичне та комп'ютерне моделювання. Серія: Технічні науки
Datum:2015
Hauptverfasser: Ободан, Н.И., Гук, Н.А., Магас, А.С.
Format: Artikel
Sprache:Russian
Veröffentlicht: Інститут кібернетики ім. В.М. Глушкова НАН України 2015
Online Zugang:https://nasplib.isofts.kiev.ua/handle/123456789/133712
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Назва журналу:Digital Library of Periodicals of National Academy of Sciences of Ukraine
Zitieren: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.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine
Beschreibung
Zusammenfassung: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