формат Adobe PDF, размер 2173 Кб - Информационно ...
Share Embed Flag
Download ePaper

формат Adobe PDF, размер 2173 Кб - Информационно ...

формат Adobe PDF, размер 2173 Кб - Информационно ... формат Adobe PDF, размер 2173 Кб - Информационно ...

neurolectures.narod.ru
from neurolectures.narod.ru More from this publisher
11.07.2015 Views

Н. Г. МАКАРЕНКОИнститут математики, Алма-Ата, КазахстанE-mail: makarenko@math.kzЭМБЕДОЛОГИЯ И НЕЙРОПРОГНОЗАннотацияЛекция представляет собой попытку понятно рассказать о методах алгоритмическогомоделирования — Эмбедологии или реконструкции модели изнаблюдаемых скалярных временных рядов. Топологическое вложение рядав евклидово пространство подходящей размерности приводит к схеме нелинейноголокального или глобального прогноза. Последний сводится к задаченаилучшей аппроксимации нелинейной функции от многих переменных.Оптимальным аппроксиматором, во многих случаях, является нейроннаясеть.N. MAKARENKOInstitute of Mathematics, Kazakhstan, Alma-AtaE-mail: makarenko@math.kzEMBEDOLOGY AND FORECASTING BY NEURAL NETWORKSAbstractThis lecture represents an attemt of comprehensible introduction into algorithmicmodelling methods — Embedology reconstruction of a model from observedscalar time series. A topological time series embedding in Euclidian space ofappropriate dimension in a scheme of nonlinear local or global forecast results.The last is reduced to a task of best approximation of nonlinear multivariablefunction. In such cases a neural network is often an optimal approximator.86 УДК 004.032.26 (06) Нейронные сети

Н. Г. МАКАРЕНКОВведениеПодходите к вашим задачам справильного конца и начинайте сответов. Тогда в один прекрасныйдень вы, возможно, найдетеправильный вопрос.Р. ван Гулик«Отшельник в журавлиныхперьях»Непостижимая эффективность математики в естественных науках 1 2обязана главным образом моделям, заданным дифференциальными уравнениями.Аналитика, однако, избыточна в смысле определений: она содержитслучаи, которым не соответствует никакая реальность и не дает намсредств, с помощью которых мы могли бы различить действительное ивозможное. Для того чтобы сделать это, приходится обращаться к опытуи те, кто возмущается такими экскурсами за пределы «фундаментальнойнауки» — явные лицемеры! Почему же тогда не попытаться построить илиточнее реконструировать модель прямо из наблюдений? В истории наукиуже были попытки получить модель непосредственно из данных. Наиболееудачной из них считается гелиоцентрическая модель эллиптическогодвижения планет. Три знаменитых закона были получены Иоганном Кеплеромиз Вюртенберга (1571–1630 гг.) в результате чудовищных по объемуручных вычислений, проделанных над наблюдениями пражского астрономаТихо Браге (1546–1601 гг.) Модель Кеплера — не только замечательныйпример получения явных знаний из таблиц данных. Она имела замечательныепредсказательные возможности, реализованные Кеплером в такназываемых Рудольфовых таблицах — наперед рассчитанных эфемеридахнескольких планет.На практике наблюдения чаще всего представлены скалярными временнымирядами. Можно предположить, что отсчеты ряда являются нелинейнойпроекцией [1] движения фазовой точки некоторой динамической1 Если ссылка на примечание представляет собой число, заключенное в круглые скобки,например, (3), то она обозначает номер примечания, помещенного в конце данноготекущего раздела. Ссылка в квадратных скобках, например, [3], обозначает номер дополненияв конце лекции. Ссылка в виде числа, не заключенного в скобки — обычноеподстраничное примечание. — Прим. ред.2 См. статью Е. Вигнера, с тем же названием в сборнике [59].УДК 004.032.26 (06) Нейронные сети 87

Н. Г. МАКАРЕНКОИнститут математики, Алма-Ата, КазахстанE-mail: makarenko@math.kzЭМБЕДОЛОГИЯ И НЕЙРОПРОГНОЗАннотацияЛекция представляет собой попытку понятно рассказать о методах алгоритмическогомоделирования — Эмбедологии или реконструкции модели изнаблюдаемых скалярных временных рядов. Топологическое вложение рядав евклидово пространство подходящей размерности приводит к схеме нелинейноголокального или глобального прогноза. Последний сводится к задаченаилучшей аппроксимации нелинейной функции от многих переменных.Оптимальным аппроксиматором, во многих случаях, является нейроннаясеть.N. MAKARENKOInstitute of Mathematics, Kazakhstan, Alma-AtaE-mail: makarenko@math.kzEMBEDOLOGY AND FORECASTING BY NEURAL NETWORKSAbstractThis lecture represents an attemt of comprehensible introduction into algorithmicmodelling methods — Embedology reconstruction of a model from observedscalar time series. A topological time series embedding in Euclidian space ofappropriate dimension in a scheme of nonlinear local or global forecast results.The last is reduced to a task of best approximation of nonlinear multivariablefunction. In such cases a neural network is often an optimal approximator.86 УДК 004.032.26 (06) Нейронные сети

logo

products

Resources

Company

Terms of service
Privacy policy
Cookie policy
Cookie settings
Imprint
Change language
Made with love in Switzerland
© 2024 Yumpu.com all rights reserved

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

Saved successfully!

Ooh no, something went wrong!