расчетов
—
для каждого варианта экспериментальных данных
.
Анализ
показал
,
что при использовании предлагаемых критериев верные ре
-
зультаты были получены в
69
случаях
—
чаще
,
чем при использовании
критерия регулярности
(
в
42
случаях
),
при этом количество полиномов
высокой степени было меньше
.
Эксперименты показали
,
что применение критериев с модифици
-
рованными целевыми функциями позволяет выбрать модели с учетом
неопределенности их параметров
(
неопределенность учитывается при
вычислении вероятностей в формулах
(3), (4))
и избежать появления
чрезмерно усложненных моделей
.
Преимуществом предложенных критериев является возможность
учета неопределенности как входных
,
так и выходных данных
,
соот
-
ветствие этих критериев наиболее распространенной формулировке за
-
дачи моделирования сложных процессов
(“
требуется получить модель
,
которая описывает экспериментальные данные с заданной точностью
и заданным уровнем значимости
”),
а также отсутствие необходимо
-
сти вводить усложненные критерии отбора
,
использующие
“
штраф за
сложность модели
”,
как
,
например
,
в работе
[8].
СПИСОК ЛИТЕРАТУРЫ
1.
И в а х н е н к о А
.
Г
.,
Ю р а ч к о в с к и й Ю
.
П
.
Моделирование сложных
систем по экспериментальным данным
. –
М
.:
Радио и связь
, 1987.
2.
И в а х н е н к о А
.
Г
.
Долгосрочное прогнозирование и управление сложными
системами
. –
Киев
:
Техника
, 1975.
3. I v a k h n e n k o A. G. Recent Developments of Self-Organising Modeling in
Prediction and Analysis of Stock Market // Pattern Recognition and Image Analysis.
– 1995. – V. 5. –
№
4. – P. 527–535.
4. I v a k h n e n k o A. G., I v a k h n e n k o G. A., M u l l e r J. A. Self-Organisation
of Neuronets with Active Neurons// Pattern Recognition and Image Analysis. – 1994.
– V. 4. –
№
2. – P. 177–188.
5.
Г р е ш и л о в А
.
А
.
Математические методы построения прогнозов
. –
М
.:
Радио
и связь
, 1997.
6.
Г р е ш и л о в А
.
А
.
Статистические методы принятия решений с элементами
конфлюэнтного анализа
. –
М
.:
Радио и связь
, 1998.
7.
В е н т ц е л ь Е
.
С
.
Теория вероятностей и математическая статистика
. –
М
.:
Высшая школа
, 1998.
8.
Т е х н и ч е с к а я документация к программе
Neuro Shell. – Ward System Group,
Inc.
Статья поступила в редакцию
1.04.2003
Артур Викторович Абрагин родился в
1973,
окончил в
1996
г
.
МГТУ им
.
Н
.
Э
.
Бау
-
мана
.
Ассистент кафедры
“
Вычислительная математика и математическая физика
”
МГТУ им
.
Н
.
Э
.
Баумана
.
Автор
5
научных работ в области нейросетей
,
распознавания
образов
.
A.V. Abragin (b. 1973) graduated from the Bauman Moscow State Technical University in
1996. Assistant of "Computation Mathematics and Mathematical Physics" department of
the Bauman Moscow State Technical University. Author of 5 publications in the field of
neuronets, pattern recognition.
ISSN 1812-3368.
Вестник МГТУ им
.
Н
.
Э
.
Баумана
.
Сер
. “
Естественные науки
”. 2004.
№
3
9
