Метод опорних моделей синтезу інтелектуальних систем ідентифікації нелінійних динамічних об’єктів
The paper is devoted to resolving the contradiction between the accuracy of modeling nonlinear dynamics and the speed of model construction under conditions of limited computing resources. The aim of the work is to reduce the time for building models of nonlinear dynamic objects with continuous char...
Збережено в:
| Дата: | 2024 |
|---|---|
| Автори: | , , , , |
| Формат: | Стаття |
| Мова: | Ukrainian |
| Опубліковано: |
Kamianets-Podilskyi National Ivan Ohiienko University
2024
|
| Онлайн доступ: | http://mcm-tech.kpnu.edu.ua/article/view/312545 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Mathematical and computer modelling. Series: Technical sciences |
Репозитарії
Mathematical and computer modelling. Series: Technical sciences| id |
mcmtechkpnueduua-article-312545 |
|---|---|
| record_format |
ojs |
| institution |
Mathematical and computer modelling. Series: Technical sciences |
| baseUrl_str |
|
| datestamp_date |
2024-10-01T08:58:26Z |
| collection |
OJS |
| language |
Ukrainian |
| format |
Article |
| author |
Фомін, Олександр Сперанський, Віктор Орлов, Андрій Татарин, Олексій Канєвський, Віталій |
| spellingShingle |
Фомін, Олександр Сперанський, Віктор Орлов, Андрій Татарин, Олексій Канєвський, Віталій Метод опорних моделей синтезу інтелектуальних систем ідентифікації нелінійних динамічних об’єктів |
| author_facet |
Фомін, Олександр Сперанський, Віктор Орлов, Андрій Татарин, Олексій Канєвський, Віталій |
| author_sort |
Фомін, Олександр |
| title |
Метод опорних моделей синтезу інтелектуальних систем ідентифікації нелінійних динамічних об’єктів |
| title_short |
Метод опорних моделей синтезу інтелектуальних систем ідентифікації нелінійних динамічних об’єктів |
| title_full |
Метод опорних моделей синтезу інтелектуальних систем ідентифікації нелінійних динамічних об’єктів |
| title_fullStr |
Метод опорних моделей синтезу інтелектуальних систем ідентифікації нелінійних динамічних об’єктів |
| title_full_unstemmed |
Метод опорних моделей синтезу інтелектуальних систем ідентифікації нелінійних динамічних об’єктів |
| title_sort |
метод опорних моделей синтезу інтелектуальних систем ідентифікації нелінійних динамічних об’єктів |
| title_alt |
Method of Reference Models for Synthesis of Intelligent Systems for Identification of Nonlinear Dynamic Objects |
| description |
The paper is devoted to resolving the contradiction between the accuracy of modeling nonlinear dynamics and the speed of model construction under conditions of limited computing resources. The aim of the work is to reduce the time for building models of nonlinear dynamic objects with continuous characteristics in the form of neural networks while ensuring a given modeling accuracy. This goal is achieved by developing a new method for synthesizing intelligent systems based on the superposition of pre-trained (support) models in the form of neural networks that reflect the basic properties of the object. The scientific novelty of the work lies in the development of a method for identifying nonlinear dynamic objects in the form of neural networks with time delays based on a set of pre-trained neural network models that reflect the basic properties of the subject area. In contrast to the traditional approach to pre-training, the developed method allows building models of lower complexity and with shorter training time while ensuring the required accuracy. To determine the initial parameters of the model, expressions based on the superposition of reference models in the form of neural networks are proposed. The practical utility of the work lies in the development of an algorithm for the method of reference models for training neural networks with time delays, which can significantly reduce the training time of neural networks without losing model accuracy. |
| publisher |
Kamianets-Podilskyi National Ivan Ohiienko University |
| publishDate |
2024 |
| url |
http://mcm-tech.kpnu.edu.ua/article/view/312545 |
| work_keys_str_mv |
AT fomínoleksandr methodofreferencemodelsforsynthesisofintelligentsystemsforidentificationofnonlineardynamicobjects AT speransʹkijvíktor methodofreferencemodelsforsynthesisofintelligentsystemsforidentificationofnonlineardynamicobjects AT orlovandríj methodofreferencemodelsforsynthesisofintelligentsystemsforidentificationofnonlineardynamicobjects AT tatarinoleksíj methodofreferencemodelsforsynthesisofintelligentsystemsforidentificationofnonlineardynamicobjects AT kanêvsʹkijvítalíj methodofreferencemodelsforsynthesisofintelligentsystemsforidentificationofnonlineardynamicobjects AT fomínoleksandr metodopornihmodelejsintezuíntelektualʹnihsistemídentifíkacíínelíníjnihdinamíčnihobêktív AT speransʹkijvíktor metodopornihmodelejsintezuíntelektualʹnihsistemídentifíkacíínelíníjnihdinamíčnihobêktív AT orlovandríj metodopornihmodelejsintezuíntelektualʹnihsistemídentifíkacíínelíníjnihdinamíčnihobêktív AT tatarinoleksíj metodopornihmodelejsintezuíntelektualʹnihsistemídentifíkacíínelíníjnihdinamíčnihobêktív AT kanêvsʹkijvítalíj metodopornihmodelejsintezuíntelektualʹnihsistemídentifíkacíínelíníjnihdinamíčnihobêktív |
| first_indexed |
2025-07-17T10:14:54Z |
| last_indexed |
2025-07-17T10:14:54Z |
| _version_ |
1837888747368087552 |
| spelling |
mcmtechkpnueduua-article-3125452024-10-01T08:58:26Z Method of Reference Models for Synthesis of Intelligent Systems for Identification of Nonlinear Dynamic Objects Метод опорних моделей синтезу інтелектуальних систем ідентифікації нелінійних динамічних об’єктів Фомін, Олександр Сперанський, Віктор Орлов, Андрій Татарин, Олексій Канєвський, Віталій The paper is devoted to resolving the contradiction between the accuracy of modeling nonlinear dynamics and the speed of model construction under conditions of limited computing resources. The aim of the work is to reduce the time for building models of nonlinear dynamic objects with continuous characteristics in the form of neural networks while ensuring a given modeling accuracy. This goal is achieved by developing a new method for synthesizing intelligent systems based on the superposition of pre-trained (support) models in the form of neural networks that reflect the basic properties of the object. The scientific novelty of the work lies in the development of a method for identifying nonlinear dynamic objects in the form of neural networks with time delays based on a set of pre-trained neural network models that reflect the basic properties of the subject area. In contrast to the traditional approach to pre-training, the developed method allows building models of lower complexity and with shorter training time while ensuring the required accuracy. To determine the initial parameters of the model, expressions based on the superposition of reference models in the form of neural networks are proposed. The practical utility of the work lies in the development of an algorithm for the method of reference models for training neural networks with time delays, which can significantly reduce the training time of neural networks without losing model accuracy. Робота присвячена вирішенню протиріччя між точністю моделювання нелінійної динаміки і швидкістю побудови моделей в умовах обмежених обчислювальних ресурсів. Метою роботи є скорочення часу побудови моделей нелінійних динамічних об'єктів із безперервними характеристиками у вигляді нейронних мереж при забезпеченні заданої точності моделювання. Ця мета досягається шляхом розробки нового метода синтезу інтелектуальних систем на основі суперпозиції переднавчених (опорних) моделей у вигляді нейронних мереж, що відбивають базові властивості об’єкта. Наукова новизна роботи полягає у розробці методу ідентифікації нелінійних динамічних об'єктів у вигляді нейронних мереж з часовими затримками на основі набору попередньо навчених нейромережевих моделей, що відбивають базові властивості предметної області. На відміну від традиційного підходу до попереднього навчання, розроблений метод дозволяє будувати моделі меншої складності та з меншим часом навчання при забезпеченні необхідної точності. Для визначення початкових параметрів моделі запропоновано вирази на основі суперпозиції опорних моделей у вигляді нейронних мереж. Практична користь роботи полягає в розробці алгоритму методу опорних моделей для навчання нейронних мереж із часовими затримками, що дозволяє суттєво скоротити час навчання нейронних мереж без втрати точності моделі. Цінність проведеного дослідження полягає у визначенні області ефективного використання запропонованого методу, а саме в наявності достатнього об'єму якісних даних для побудови опорних моделей. Недостатня кількість даних або низька якість даних може суттєво знизити точність опорних моделей і як наслідок, суттєво знизити час навчання цільової моделі Kamianets-Podilskyi National Ivan Ohiienko University 2024-09-01 Article Article application/pdf http://mcm-tech.kpnu.edu.ua/article/view/312545 10.32626/2308-5916.2024-25.129-139 Mathematical and computer modelling. Series: Technical sciences; 2024: Mathematical and computer modelling. Series: Technical sciences. Issue 25; 129-139 Математичне та комп'ютерне моделювання. Серія: Технічні науки ; 2024: Математичне та комп'ютерне моделювання. Серія: Технічні науки. Випуск 25; 129-139 2308-5916 10.32626/2308-5916.2024-25 uk http://mcm-tech.kpnu.edu.ua/article/view/312545/303534 |