Метод опорних моделей синтезу інтелектуальних систем ідентифікації нелінійних динамічних об’єктів

Анотація

Робота присвячена вирішенню протиріччя між точністю моделювання нелінійної динаміки і швидкістю побудови моделей в умовах обмежених обчислювальних ресурсів. Метою роботи є скорочення часу побудови моделей нелінійних динамічних об'єктів із безперервними характеристиками у вигляді нейронних мереж при забезпеченні заданої точності моделювання. Ця мета досягається шляхом розробки нового метода синтезу інтелектуальних систем на основі суперпозиції переднавчених (опорних) моделей у вигляді нейронних мереж, що відбивають базові властивості об’єкта. Наукова новизна роботи полягає у розробці методу ідентифікації нелінійних динамічних об'єктів у вигляді нейронних мереж з часовими затримками на основі набору попередньо навчених нейромережевих моделей, що відбивають базові властивості предметної області. На відміну від традиційного підходу до попереднього навчання, розроблений метод дозволяє будувати моделі меншої складності та з меншим часом навчання при забезпеченні необхідної точності. Для визначення початкових параметрів моделі запропоновано вирази на основі суперпозиції опорних моделей у вигляді нейронних мереж. Практична користь роботи полягає в розробці алгоритму методу опорних моделей для навчання нейронних мереж із часовими затримками, що дозволяє суттєво скоротити час навчання нейронних мереж без втрати точності моделі. Цінність проведеного дослідження полягає у визначенні області ефективного використання запропонованого методу, а саме в наявності достатнього об'єму якісних даних для побудови опорних моделей. Недостатня кількість даних або низька якість даних може суттєво знизити точність опорних моделей і як наслідок, суттєво знизити час навчання цільової моделі