Методы и алгоритмы адаптивной реконструкции моделей сложных систем

СОДЕРЖАНИЕ
Введение
1. Методы и алгоритмы создания моделей сложных систем в условиях неполных данных
1.1. Проблема формализации сложных систем.
1.2. Основные подходы к исследованию сложных систем в условиях неопределенности .
1.3. Модели временных рядов, цели и методы их анализа.
1.3.1. Виды моделей временных рядов.
1.3.2. Модели трендов и сглаживание.
1.3.3. Адаптивные методы прогнозирования временных рядов
1.4. Обработка нестационарных ВР
1.4.1. Анализ на нсстационарность.
1.4.2. Проверка гипотезы о стационарности случайной составляющей
1.5. Концепция адаптивной реконструкции моделей сложных систем Выводы к главе 1
2. Реконструкция сложных систем i основе методов нелинейной динамики
2.1. Постановка задачи реконструкции систем по экспериментальным данным
2.1.1. Реконструкция аттрактора.
2.1.2. Определение размерности вложения.
2.2. Построение модели исследуемой системы
2.3. Анализ алгоритмов реконструкции ДС.
Выводы к главе 2
3. Разработка модельных уравнений систем с учетом принципов их функционирования
3.1. Разработка модельных уравнений сложных систем, работающих в периодическом режиме.
3.1.1. Аппроксимация нелинейной функции модельного уравнения на основе априорной информации.
3.1.2. Нейросетевая аппроксимация нелинейной функции модельного уравнения.
3.2. Разработка модельных уравнений систем на основе волнового описания регистрируемых сигналов.
3.2.1. Волновое описание сигнала.
3.2.2. Разработка модельных уравнений
3.2.3. Модели состояния для сигналов волновой структуры
3.2.4. Анализ полученных результатов.
3.3. Пример разработки модельного уравнения пульсового . механизма
Выводы к главе 3.
4. Нейросетевая реконструкция систем
4.1. Особенности нейросетевой обработки данных и практического использования ИНС.
4.2. Проблемы обучения сети
4.3. Постановка задачи реконструкции на нейронных сетях
4.4. Анализ реконструкции систем на нейронных сетях
4.5. Пример нейросетевой реконструкции.
Выводы к главе 4.
5. Разработка принципов и алгоритмов оценок адекватности и избыточности реконструированных моделей.
5.1. Постановка задачи определения областей адекватности.
5.2. Виды аппроксимированных областей адекватности.
5.3. Оценка избыточности моделей по формам Пфаффа
5.4. Разработка критерия адекватности моделей при моделировании на нейросетях
5.4.1. Энтропия мера относительной упорядоченности систем .
5.4.2. Энтропийный критерий адекватности моделей.
Выводы к главе 5
6. Методы реконструкции в задачах прогнозирования и медицинской диагностики .
х 6.1. Анализ задач прогнозирования и медицинской диагностики
6.1.1. Обзор существующих методов прогнозирования в
. медицине.
. , 6.1.2. Примеры нейросетевого прогнозирования и
идентификации в медицине.
6.1.3. Разработка подходов к нейросетевой идентификации пульсограмм
6.2. Выявление групп риска и прогнозирование с помощью нейронных сетей
6.2.1. Выбор архитектуры классифицирующей нейросети
6.2.2. Разработка алгоритмов обучения сети.
6.2.3. Расчет выходных значений сети
6.2.4. Описание разработанной информационноаналитической системы прогнозирования развития язвенной болезни
6.3. Принципы построения и возможности разработанной медицинской системы мониторинга здоровья и выявления групп
IV риска Медицинская система БАРС
I
6.3.1. Описание базы данных БАРС
6.3.2. Алгоритмы предварительной обработки сигналов.
6.3.3. Возможности системы.
Выводы к главе 6
7. Применение разработанных методов, моделей и алгоритмов для
оценки состояния промышленных предприятий.
7.1. Необходимость аналитической обработки производственной
информации.
6
7.2. Роль и функции промышленных информационноаналитических
систем.
7.3. Разработка информационноаналитической системы управления
снабжением и производством ТОиИ.
7.3.1. Принципы построения и возможности информационно
ч аналитической системы
7.3.2. Разработка алгоритмов нейросетевой реконструкции в инструментальном производстве.
7.3.2.1. Прогноз загрузки оборудования.
7.3.2.2. Прогноз брака и потребления энергии.
7.3.2.3. Прогноз потребности материалов
7.3.3. Реализация в системе японских семи инструментов качества.
7.3.4. Программная реализация системы
Выводы к главе 7.
Заключение
Список использованных источников