Оптимізація архітектури нейронного модулю інформаційної системи для прогнозування показників металургійного виробництва.

Автор(и)

  • А. Г. Аббакумова Донбаська державна машинобудівна академія
  • В. Б. Гітіс Донбаська державна машинобудівна академія

Анотація

При рішенні задачі прогнозування багатовимірних стохастичних часових рядів в умовах структурної і параметричної невизначеності в загальному випадку природа спостережуваної послідовності невідома [1].
Останнім часом в економіці для прогнозування часових рядів досить часто застосовують нейронні мережі, тому що вони володіють такими перевагами:
- можливість обліку сезонності попиту при підготовці навчальної вибірки;
- нейронна мережа є універсальним аппроксіматором, що дозволяє підібрати функцію будь-якої складності, не скуту строгим аналітичним виразом [2].
Метою роботи є дослідження впливу архітектур і параметрів нейронних мереж на точність моделювання часових рядів.

Біографії авторів

А. Г. Аббакумова, Донбаська державна машинобудівна академія

студентка 2 курсу спеціальності 126 «Інформаційні системи та технології»

В. Б. Гітіс, Донбаська державна машинобудівна академія

к.т.н., доцент, доцент кафедри інтелектуальних систем прийняття рішень

Посилання

Руденко О.Г. Штучні нейронні мережі: [навч. посіб.] / О. Г. Руденко, Є.В. Бодянський. – Харків : Компанія СМІТ, 2006. – 404 с.

Кизим Н.А. Нейронные сети: теория и практика применения / Н. А. Кизим, Е. Н. Ястремская, В. Ф. Сенчуков. – Монография. – Х.: ИД «ИНЖЭК», 2016. – 240 с.

Wong F. S. Time series forecasting using backpropagation neural networks / Wong F. S. // Neurocomputing. – 1990/91. – Vol. 2. – P. 147–159.

Widrow B. 30 years of adaptive neural networks: perceptron, madaline and backpropagation / Widrow B., Lehr M. A. // Proceedings of the IEEE. –1990. – Vol. 78, №. 9. – Р. 1415–1442.

##submission.downloads##

Номер

Розділ

Секція "Системи та методи аналізу даних та підтримки прийняття рішень"