Книга
Методы и алгоритмы индентификации и прогнозирования в условиях неопределенности в нейросетевом логическом базисе
205 стр.
Формат 60х90/16 (145x215 мм)
Исполнение: в мягкой обложке
ISBN 5-93517-129-5
ББК 32.81
Аннотация
Рассмотрены вопросы теории и практики применения интеллектуальных технологий в современных информационных системах. Большое внимание уделено прикладным вопросам реализации интеллектуальных технологий (нечеткая математика и нейронные сети) на современной вычислительной технике, решению задач идентификации и прогнозирования в условиях неопределенности в нейросетевом логическом базисе. Приведено много примеров и программ на внутреннем языке пакета математического моделирования MatLab.
Для научных и инженерно-технических работников, разрабатывающих и применяющих информационные системы на базе интеллектуальных технологий, может быть полезна аспирантам и студентам.
Рассмотрены вопросы теории и практики применения интеллектуальных технологий в современных информационных системах. Большое внимание уделено прикладным вопросам реализации интеллектуальных технологий (нечеткая математика и нейронные сети) на современной вычислительной технике, решению задач идентификации и прогнозирования в условиях неопределенности в нейросетевом логическом базисе. Приведено много примеров и программ на внутреннем языке пакета математического моделирования MatLab.
Для научных и инженерно-технических работников, разрабатывающих и применяющих информационные системы на базе интеллектуальных технологий, может быть полезна аспирантам и студентам.
Оглавление
ВВЕДЕНИЕ
ПЕРЕЧЕНЬ УСЛОВНЫХ ОБОЗНАЧЕНИЙ И СОКРАЩЕНИЙ
ГЛАВА 1. АНАЛИТИЧЕСКИЙ ОБЗОР И АНАЛИЗ МЕТОДОВ, МОДЕЛИ И АЛГОРИТМОВ УПРАВЛЕНИЯ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ ИДЕНТИФИКАЦИЯ И ПРОГНОЗИРОВАНИЕ)
1.1. Основная расчетная модель для постановки и анализа задач управления в условиях неопределенности
1.2. Моделирование систем управления, которые отображаются как «черный ящик», при помощи рядов Вольтерра и операторов Гамерштейна
1.3. Прямые методы параметрической идентификации .
1.4. Задача идентификации в условиях неопределенности (Применение уравнений Колмогорова-Габора для идентификации объектов на уровне «черного ящика»)
Краткое обобщение
ГЛАВА 2. НЕЧЕТКАЯ МАТЕМАТИКА И ЕЕ РЕАЛИЗАЦИЯ В НЕЙРОСЕТЕВОМ ЛОГИЧЕСКОМ БАЗИСЕ
2.1. Матричный принцип выполнения операций нечеткой математики (основные эвристики матричного принципа).
2.1.1. Общие сведения и особенности реализации операций нечеткой математики
2.1.2. Матричный принцип нечеткой математики, основные эвристики
2.1.3. Примеры выполнения операций нечеткой математики.
2.1.2. Нечеткая математика в нейросетевом логическом базисе
2.2.1. Примеры выполнения операции нечеткой математики с бимодальными нечеткими переменными в нейросетевом логическом базисе
Краткое обобщение
ГЛАВА 3. МЕТОДЫ РЕШЕНИЯ СИСТЕМ ЧЕТКИХ И НЕЧЕТКИХ ЛИНЕЙНЫХ УРАВНЕНИЙ В НЕЙРОСЕТЕВОМ ЛОГИЧЕСКОМ БАЗИСЕ КАК АППАРАТ ДЛЯ РЕАЛИЗАЦИИ ПРЯМЫХ МЕТОДОВ РЕШЕНИЯ ЗАДАЧ УПРАВЛЕНИЯ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ
3.1. Постановка задачи и общие алгоритмы решения систем линейных алгебраических уравнений в нейронных сетях.
3.2. Программная реализация решения четких систем линейных алгебраических уравнений в нейросетевом логическом базисе
3.3. Экспериментальная проверка решения систем линейных алгебраических уравнений в нейронных сетях
3.3.1. Примеры решения конкретных задач с плохо обусловленной матрицей.
3.3.2. Недоопределенная СЛАУ Ах = b матрица А (nxm) nm
3.4. Решение нечетких систем линейных алгебраических уравнений в нейросетевом логическом базисе.
3.5. Влияние процесса регуляризации в нейронных сетях на получение приближенных устойчивых решений
Краткое обобщение
ГЛАВА 4. МЕТОДЫ И АЛГОРИТМЫ ИДЕНТИФИКАЦИИ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ
4.1. Теоретические предпосылки решения задач идентификации в условиях неопределенности в нейросетевом логическом базисе .
4.2. Алгоритмы идентификации на уровне полинома Колмогорова-Габора с использованием прямых методов (решение систем линейных алгебраических уравнений в нейронных сетях)
4.3. Алгоритмы идентификации слабо структурированных задач на уровне полинома Колмогорова-Габора с нечеткими коэффициентами
Краткое обобщение .
ГЛАВА 5. МЕТОДЫ И АЛГОРИТМЫ ПРОГНОЗИРОВАНИЯ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ
5.1. Теоретические особенности решения задач прогнозирования в нейросетевом логическом базисе .
5.2. Стандартные принципы прогнозирования структурированных временных рядов на основании методов погружения
5.3. Алгоритмы прогнозирования слабо структурированных временных рядов на основании методов погружения
КРАТКОЕ ОБОБЩЕНИЕ
ЗАКЛЮЧЕНИЕ
ЛИТЕРАТУРА
ПРИЛОЖЕНИЯ
Приложение 1. Программы выполнения операции нечеткой математики
Приложение А.1 Программы выполнения операции нечеткой математики на основе матричного принципа
Приложение А.2. Программа генерации дефазификатора и Simulink схемы выполнения операции нечеткой математики
Приложение А.3 Программа для реализации алгоритма операции нечеткой математики над бимодальными переменными
Приложение Б. Программы для решения систем линейных алгебраических уравнений.
Приложение Б.1 Программа для создания библиотеки структур нейронных сетей для Simulink
Приложение Б.2 Программа инициализации Simulink схемы
Приложение В. Программы прогнозирования временных рядов на основании методов погружения
Приложение В.1 Программа прогнозирования структурированных временных рядов
Приложение В.2 Программа прогнозирования слабо структурированных временныхрядов
Приложение Г. Программы идентификации на уровне полинома Колмогорова-Габора.
Приложение Г.1 Программа идентификации структурированных задач
Приложение 2. Применение пакета Neural Net для решения прикладных инженерных задач (прогнозирование, идентификация)
