О книге

Существует ряд особенностей, свойственных задачам математического моделирования сложных систем, которые ограничивают использование известных методов. Указанное обстоятельство обусловливает необходимость разработки новых методов и алгоритмов математического моделирования, позволяющих расширить область применения технологий интеллектуального анализа данных.

В статье рассмотрен метод интеллектуального анализа данных, в основе которого лежит идея самоорганизации математических моделей и аппарат гибридных нейронных сетей. Предлагаемый метод позволяет строить модели сложных систем в условиях ограниченности объёма исходных данных с учётом экспертной информации об имеющихся закономерностях и взаимосвязях.

Авторы анализируют особенности задач математического моделирования сложных систем, а также предлагают методику, включающую следующие этапы: формирование обучающих выборок и подготовку структур частных моделей, генерирование частных моделей нейронной сетью, отбор лучших моделей по заданному критерию. Для тестирования разработанной методики был разработан специальный программный комплекс, с помощью которого проводились вычислительные эксперименты. Их результаты свидетельствуют о работоспособности рассмотренного метода и позволяют рекомендовать его для построения математических моделей сложных систем.

Полученные модели в дальнейшем могут использоваться в качестве математического и алгоритмического обеспечения интеллектуальных информационных систем поддержки принятия решений по управлению сложными объектами произвольной природы.

Напишите вашу рецензию на книгу:
А. В. Клименко, О. В. Стоянова, М. И. Дли, Ю. Г. Бояринов «Нейро-нечеткий метод построения моделей сложных объектов»

Рецензии пользователей

Пока еще никто не написал рецензию на эту книгу.