ÑоÑÐ¼Ð°Ñ Adobe PDF, ÑÐ°Ð·Ð¼ÐµÑ 2173 Ðб - ÐнÑоÑмаÑионно ...
ÑоÑÐ¼Ð°Ñ Adobe PDF, ÑÐ°Ð·Ð¼ÐµÑ 2173 Ðб - ÐнÑоÑмаÑионно ... ÑоÑÐ¼Ð°Ñ Adobe PDF, ÑÐ°Ð·Ð¼ÐµÑ 2173 Ðб - ÐнÑоÑмаÑионно ...
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
- Page 36 and 37: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 38 and 39: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 40 and 41: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 42 and 43: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 44 and 45: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 46 and 47: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 48 and 49: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 50 and 51: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 52 and 53: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 54 and 55: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 56 and 57: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 58 and 59: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 60 and 61: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 62 and 63: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 64 and 65: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 66 and 67: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 68 and 69: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 70 and 71: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 72 and 73: Б. В. КРЫЖАНОВСКИЙ,
- Page 74 and 75: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 76 and 77: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 78 and 79: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 80 and 81: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 82 and 83: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 84 and 85: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 88 and 89: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 90 and 91: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 92 and 93: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 94 and 95: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 96 and 97: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 98 and 99: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 100 and 101: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 102 and 103: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 104 and 105: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 106 and 107: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 108 and 109: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 110 and 111: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 112 and 113: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 114 and 115: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 116 and 117: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 118 and 119: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 120 and 121: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 122 and 123: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 124 and 125: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 126 and 127: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 128 and 129: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 130 and 131: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 132 and 133: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 134 and 135: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
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