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...

Full description

Saved in:
Bibliographic Details
Published in:Математичне та комп'ютерне моделювання. Серія: Технічні науки
Date:2015
Main Authors: Ободан, Н.И., Гук, Н.А., Магас, А.С.
Format: Article
Language:Russian
Published: Інститут кібернетики ім. В.М. Глушкова НАН України 2015
Online Access:https://nasplib.isofts.kiev.ua/handle/123456789/133712
Tags: Add Tag
No Tags, Be the first to tag this record!
Journal Title:Digital Library of Periodicals of National Academy of Sciences of Ukraine
Cite this: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
Description
Summary: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