NAU Harvester System
Алгоритм побудови гібридної МГУА нейронної мережі для прогнозування часових рядів
Наукові журнали Національного Авіаційного Університету
View Archive Info| Field | Value | |
| Title |
Алгоритм побудови гібридної МГУА нейронної мережі для прогнозування часових рядів
ALGORITHM OF HYBRID GMDH-NETWORK CONSTRUCTION FOR TIME SERIES FORECAST Алгоритм построения гибридной МГУА нейронной сети для прогнозирования временных рядов |
|
| Creator |
Chumachenko, O. I.; Національний технічний університет України «Київський політехнічний інститут ім. Ігоря Сікорського»
Kot, A. T.; Національний технічний університет України «Київський політехнічний інститут ім. Ігоря Сікорського» Mandrenko, А. E.; Національний технічний університет України «Київський політехнічний інститут ім. Ігоря Сікорського» |
|
| Subject |
Гібридна нейронна мережа; структурно-параметричний синтез; проблема оптимізації
УДК 681.327.12(045) Hybrid neural network; structural-parametric synthesis; forecast of time series UDC 681.327.12(045) Гибридная нейронная сеть; структурно-параметрический синтез; задача оптимизации УДК 681.327.12(045) |
|
| Description |
Розглянуто проблему структурно-параметричного синтезу гібридних нейронних мереж на основі використання групового методу обробки даних нейронної мережі. Гібридизація досягається за рахунок використання різних нейронів: класичного, нелінійногоАдаліну, R-нейрона, W-нейрона, Вейвлета-нейрона. Проблема структурно-параметричного синтезу гібридної нейронної мережі полягає в оптимальному виборі кількості шарів, кількості нейронів у шарах, порядку чергування шарів з різними нейронами. Як приклад розглядається прогнозування рішення проблеми за допомогою гібридних нейронних мереж на основі даних пандемії COVID-19, зібраних університетом Джона Хопкінса. Для оцінювання якості використовувався критерій MAPE.
It is considered the problem of structural-parametric synthesis of a hybrid neural networks based on the use of Group Method of Data Handling neural network. Hybridization is achieved through the use of various neurons: classical, nonlinearAdaline, R-neuron, W-neuron, Wavelet-neuron. The problem of structural-parametric synthesis of hybrid neural network consists in the optimal choice of the number of layers, the number of neurons in the layers, the order of alternation of layers with different neurons. As an example it is considered the forecast problem solution with help of hybrid neural networks based on the data of the COVID-19 pandemic, collected by Johns Hopkins University. A MAPE criterion was used for quality assessment. Рассмотрена проблема структурно-параметрического синтеза гибридных нейронных сетей на основе использования группового метода обработки данных нейронной сети. Гибридизация достигается за счет использования различных нейронов: классических, нелинейных, щелочных, R-нейронов, W-нейронов, вейвлет-нейронов. Задача структурно-параметрического синтеза гибридной нейронной сети заключается в оптимальном выборе количества слоев, количества нейронов в слоях, порядка чередования слоев с разными нейронами. В качестве примера рассмотрено решение задачи прогноза с помощью гибридных нейронных сетей на основе данных пандемии COVID-19, собранной Университетом Джона Хопкинса. Критерий MAPE был использован для оценки качества. |
|
| Publisher |
National Aviation University
|
|
| Contributor |
—
— — |
|
| Date |
2020-07-22
|
|
| Type |
—
— |
|
| Format |
application/pdf
|
|
| Identifier |
http://jrnl.nau.edu.ua/index.php/ESU/article/view/14852
10.18372/1990-5548.64.14852 |
|
| Source |
Electronics and Control Systems; Том 2, № 64 (2020); 24-31
Электроника и системы управления; Том 2, № 64 (2020); 24-31 Електроніка та системи управління; Том 2, № 64 (2020); 24-31 |
|
| Language |
en
|
|
| Rights |
Authors who publish with this journal agree to the following terms:Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).
|
|