19.07.2013 Views

Економіко-математичне моделювання

Економіко-математичне моделювання

Економіко-математичне моделювання

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

механізмів спадковості ознак природних і штучних популяцій, а<br />

також людський досвід у селекції тварин і рослин.<br />

Методологія генетичних алгоритмів базується на ідеї селекції:<br />

чим значніше пристосування особини, тим вища ймовірність того, що<br />

в її потомстві ознаки, що визначають пристосованість, будуть<br />

сильніше вираженими.<br />

Прикладне застосування програмних продуктів генетичних<br />

алгоритмів містить такі етапи:<br />

• формування в пошуковому просторі області допустимих<br />

значень змінних і вибір у ній деякої пробної точки;<br />

• з допомогою математичної моделі відображають точки з<br />

пошукового простору на простір критеріїв, що дає можливість<br />

порівняти зображення відносно поверхні критеріїв;<br />

• на основі отриманої інформації й відповідно до вибраної<br />

пошукової стратегії здійснюється маніпуляція координатами точок у<br />

просторі змінних величин і тим самим завершується процес генерації<br />

координат нових пробних точок.<br />

Прикладні аспекти нейромереж можна розділити на декілька<br />

основних груп: апроксимація та інтерполяція, розпізнавання та<br />

класифікація, прогнозування, ідентифікація, управління та асоціація.<br />

Для кожної з названих прикладних областей, нейронна мережа<br />

відіграє роль універсального апроксиматора функції від декількох<br />

змінних такого виду:<br />

684<br />

( X )<br />

Y = f ,<br />

де Х – вхідний вектор, а Y – реалізація векторної функції декількох<br />

змінних. Постановка значної кількості задач <strong>моделювання</strong>,<br />

ідентифікації та обробки сигналів можуть бути зведеними до<br />

апроксимаційного відображення.<br />

Для класифікації та розпізнавання образів мережа навчається<br />

властивим їм ознакам, а саме: геометричному відображенню точкової<br />

структури зображення, відносно розміщення важливих елементів<br />

образу, процесам перетворення Фур’є та ін. У процесі навчання<br />

виділяються ознаки, які відрізняють образи один від одного. Ці<br />

ознаки складають базу для прийняття рішень про віднесення образів<br />

до відповідних класів.<br />

При вирішенні задач прогнозування роль нейромереж полягає у<br />

передбаченні майбутньої реакції системи з урахуванням їх попередньої<br />

поведінки (ретроспективного аналізу). Володіючи інформацією про<br />

значення змінної Х у моменти, що передують прогнозуванню

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!