CC BY
36
Известия ТРТУ
Специальный выпуск
отрицательна, то вещественная выходная проводимость результирующего четырехполюсника предельно максимальна.
Справедливо обратное утверждение. Конъюнкция высказываний в левой части импликации является достаточным условием для определения оптимальных значений собственной входной и передаточной реактивных проводимостей взаимного четырехполюсника, а следовательно, и правомочности утверждения в правой части импликации, которое, в свою очередь, является необходимым условием для формирования конъюнкции в левой части импликации.
БИБЛИГРАФИЧЕСКИЙ СПИСОК
1. Бровченко СМ. Адмитанс У-негатрона на невзаином элементе с цепью внешней обратной связи // Известия ТРТУ. Специальный выпуск «Материалы ХЬУП научной конференции». Таганрог: Изд-во ТРТУ, 2002. №1 (24). С.36-37.
УДК 681.518.54
В.М. Ковригин УНИВЕРСАЛЬНАЯ ОБЪЕКТНО-ОРИЕНТИРОВАННАЯ МОДЕЛИРУЮЩАЯ СРЕДА И ЕЕ ПРИМЕНЕНИЕ ДЛЯ РЕШЕНИЯ ЗАДАЧ ОПТИМИЗАЦИИ ПАРАМЕТРОВ РАСПОЗНАЮЩИХ СИСТЕМ
В данной работе рассматривается система, представляющая собой среду визуального имитационного и событийно-управляемого моделирования. Система поддерживает следующие типы данных: бит, байт, короткое целое, длинное целое, , , , -, , , , , , возможные комбинации этих типов. Описанные выше типы и операции над ними образуют систему компьютерной алгебры, которая служит базисом для эффективной реализации численных алгоритмов. Ядро системы строится на основе разработанных библиотек классов для решения задач фильтрации, нелинейных преобразо-, -.
, , собой конечное множество компонентов с заданными связями между ними (т.е.
). -( ). случае каждый компонент может содержать произвольное число компонентов, что позволяет строить иерархические системы и предоставляет единообразный интерфейс к каждому компоненту системы. Описанные выше свойства компонентов позволяют легко собирать систему из набора (библиотеки) компонентов, а широкий набор типов данных позволяет моделировать как аналоговые и цифровые системы, так и смешанные аналого-цифровые системы. Иерархичность, возможность событийного управления, возможность работать как с цифровыми, так и с "анадоговы-ми" сигналами, позволяет строить не только сами моделируемые системы, но и системы, управляющие самим процессом моделирования, выполняющие сбор статистик либо решающие задачу оптимизации (т.е. определяющие вектор параметров , ).
Секция радиоприемных устройств и телевидения
, , контексте данной работы, представляет собой построение моделирующего автомата, выполняющего задачу оптимизации, или, например, более простую задачу построения зависимости некоторого параметра системы распознавания (в частности,
) .
, - -разно для систем, не имеющих соответствующих аналитических выражений, связывающих вектор параметров системы с минимизирумым функционалом (распознавание сигналов при непараметрической неопределенности, распознавание многомерных негауссовских сигналов, распознавание сигналов, для которых еще не найдено удовлетворительных математических моделей и т.п.).
Систему достаточно просто интегрировать со средствами ввода-вывода аналоговых и цифровых сигналов, что очень сильно расширит возможности системы.
УДК 681.3.07
А.В. Лучинин, В.М. Федоров О ВОЗМОЖНОСТИ РЕШЕНИЯ «ПРОБЛЕМЫ ФОНА» В МЕДИКОБИОЛОГИЧЕСКИХ ИССЛЕДОВАНИЯХ С ИСПОЛЬЗОВАНИЕМ РЕКУРРЕНТНЫХ НЕЙРОННЫХ СЕТЕЙ
Предсказание временных рядов является важным для многочисленных приложений разнообразных областей (бизнес, экология, медицина и др.). При прове-
слабых реакций организма на специально-организованные тестовые или естественные внешние воздействия при больших спонтанных колебаниях контролируемых параметров, соответствующих «фоновой» (без воздействия) активности организма. Как правило, реакция той или иной физиологической системы организма на внешнее воздействие может быть выявлена только с некоторой временной задержкой относительно момента предъявления воздействия (от единиц миллисекунд до нескольких часов и более в зависимости от уровня иерархии исследуемой системы ). - -дований необходимо разработать методики и алгоритмы предсказания временных « »
от них экспериментальных значений, зафиксированных после воздействия.
Поскольку оценки будущих значений данных важны для принятия решений (,
, , состояния здоровья и т.д.), то всегда существует потребность в лучших техниках .
Многочисленные исследования показали эффективность методов искусственного интеллекта в области предсказания временных рядов ([1,2] и др.). По сравнению с традиционными статистическими методами, нейронные сети предоставляют высокую гибкость по отношению к типам функций, которые могут быть адаптивно аппроксимированы в течение процесса обучения. Они хорошо подходят к задачам .
они могут обобщать новые данные.
