• ВХОД
  •  

    Полное описание

    Епихин, А. И. Прогнозирование многомерных нестационарных временных рядов с использованием нейромоделирования / А. И. Епихин, С. И. Кондратьев, Е. В. Хекерт. - Текст : непосредственный // Морские интеллектуальные технологии : научный журнал. - 2020. - N 4 т.4. - С. 23-27. - Библиогр. в конце ст. - ISSN 2073-7173.

    ГРНТИ УДК
    28.23.37004.032.26

    Рубрики:
    Нейронные сети -- Применение

    Кл.слова (ненормированные): прогнозирование -- дизель -- временной ряд -- нейронная сеть -- нейромоделирование -- фрактал -- множество мандельброта
    Аннотация: В статье рассмотрены особенности прогнозирования многомерных нестационарных временных рядов с использованием нейромоделирования. Для построения прогнозных моделей используются самые современные концепции математического моделирования: методы фрактального и интеллектуального анализа эволюции систем, инструментарий нечеткой логики и искусственных нейронных сетей. В качестве примера рассмотрен процесс подачи топлива с примесями водорода в быстроходных дизелях на кораблях. Рассмотрен выбор топологии искусственной нейронной сети. Принимая во внимание обозначенную задачу исследования и особенности работы СЭУ, представляется целесообразным использовать инструменты нейромоделирования, которые позволяют реализовать новые подходы к прогнозированию динамики многомерных нестационарных временных рядов, происходящих в двигателе. Рассмотрен принцип формирования многомерной базы знаний для нейронной модели с использованием комбинации ключевых концептов теории нечеткой математики и понятия фрактальной размерности, сформированного в рамках множества Мандельброта. Рассмотрены способы обучения нейросети.
    Доп. точки доступа:
    Кондратьев, С.И.
    Хекерт, Е.В.

    Экз-ры полностью 45cc2f3151fda1a6ec6e770dd7df4e87/2020/4т.4
    Нет сведений об экземплярах
    Держатели документа:
    Государственная публичная научно-техническая библиотека России : 123298, г. Москва, ул. 3-я Хорошевская, д. 17 (Шифр в БД-источнике (KATBW): -937768-178571)

    Шифр в сводном ЭК: d7995c184c2f95ddb2204a337bd0963c




    Заказ фрагмента документа