Registration Number
0413U004151, Candidate dissertation
Status
к.т.н.
Date
29-05-2013
popup.evolution
.
Title
Multivariate nonlinear time series intelligent analysis based on heterogeneous neural networks
Author
Tyshchenko Oleksii Kostyantynovych,
popup.head Bodyanskiy Yevgeniy Volodymyrovych
popup.opponent Литвиненко Володимир Іванович
popup.opponent Пелешко Дмитро Дмитрович
popup.rada
Kharkov national university of radioelectronics
Description
Дисертацію присвячено розробці методів обробки багатовимірних нелінійних часових рядів за допомогою гетерогенних нейронних мереж, що мають високу швидкість налаштування параметрів, що відзначаються лінійною залежністю сигналу вихідного шару мережі від синаптичних ваг прихованого шару, а також здатних працювати за умов дефіциту апріорної інформації (короткої навчальної вибірки). Уперше запропоновано архітектуру гетерогенної нейронної мережі для прогнозування даних, що складається з шару нечіткої кластеризації та нейро-нео-фаззі мережі зустрічного поширення, яка характеризується підвищеною швидкодією та покращеними апроксимувальними властивостями, що дає можливість обробляти нелінійні часові ряди довільної природи за умов невизначеності, а також запропоновано метод її навчання. Уперше введено багатовимірну модифікацію нео-фаззі-нейрону, що має покращені апроксимувальні властивості, та методи його навчання, які характеризуються простотою реалізації, що дозволяє забезпечити меншу обчислювальну складність за рахунок істотного скорочення кількості функцій належності. Уперше запропоновано архітектуру нейро-фаззі мережі на основі теорії резервуарних обчислень, яка характеризується підвищеною швидкістю налаштування параметрів навчання й точністю прогнозу часового ряду, а також запропоновано метод її навчання, що відзначається простотою реалізації, що дозволяє істотно покращити апроксимувальні та екстраполювальні властивості системи для обробки нелінійних часових рядів за умов невизначеності. Набула подальшого розвитку архітектура нейро-компресора даних на основі багатошарового персептрону "вузьке місце" за рахунок приєднання до мережі-компресору нейро-нео-фаззі мережі зустрічного поширення, що дозволило здійснювати прогнозування часових рядів зниженої розмірності без втрати внутрішніх залежностей даних. Набув подальшого розвитку метод сегментації багатовимірних нелінійних часових рядів на основі методу нечіткої кластеризації шляхом спеціального налаштування цетроїдів, що дозволяє здійснювати сегментацію даних у режимі online, а також дозволяє визначати моменти змін характеристик часового ряду. Проведено імітаційне моделювання запропонованих гетерогенних нейронних мереж та показані їх переваги над існуючими методами у задачах обробки багатовимірних нелінійних часових рядів. Результати дисертаційної роботи можуть бути використані для розв'язання задач інтелектуального аналізу багатовимірних нелінійних часових рядів різної фізичної природи, що характеризуються короткою навчальною вибіркою, в режимі послідовної обробки за умов апріорної та поточної невизначеності.
Registration Date
2013-06-17
popup.nrat_date
2020-04-04 / 2026-06-30