ISSN 1991-2927
 

АПУ № 1 (47) 2017

прогнозирование

УДК 519.246.8

Кувайскова Юлия Евгеньевна, Ульяновский государственный технический университет, кандидат технических наук, доцент, окончила экономико-математический факультет Ульяновского государственного технического университета. Доцент кафедры «Прикладная математика и информатика» УлГТУ. Имеет работы в области моделирования и прогнозирования временных рядов. [e-mail: u.kuvaiskova@mail.ru]Ю.Е. Кувайскова,

Алёшина Анна Александровна, АО «Ульяновское конструкторское бюро приборостроения», кандидат технических наук, окончила экономико-математический факультет УлГТУ. Инженер-программист АО «Ульяновское конструкторское бюро приборостроения». Имеет работы в области моделирования и прогнозирования временных рядов. [e-mail: a2nia@mail.ru]А.А. Алёшина

Применение адаптивного регрессионного моделирования при описании и прогнозировании технического состояния объекта000_5.pdf

Безопасное функционирование технического объекта является важной задачей. Система управления техническим объектом часто включает подсистему мониторинга множества его параметров, и решение по управлению объектом принимается с учетом его технического состояния. Эффективность работы такой подсистемы существенно зависит от точности прогнозирования параметров технического объекта. Поэтому необходимо построение адекватных математических моделей контролируемых параметров объекта с последующим их использованием для прогнозирования состояния объекта и, соответственно, обеспечения эффективных и оперативных управленческих решений. Для решения поставленных задач в статье описываются алгоритмы математического моделирования и прогнозирования технического состояния объекта, основанные на адаптивном регрессионном моделировании, позволяющие повысить точность предсказаний до нескольких раз. Высокоточные результаты прогнозирования состояния объекта используются при принятии решений по управлению объектом. Эффективность предлагаемых алгоритмов исследуется на примере моделирования и прогнозирования технического состояния объекта.

Адаптивное регрессионное моделирование, временной ряд, прогнозирование, технический объект.

2016_ 4

Рубрика: Математическое моделирование

Тематика: Математическое моделирование.


УДК 519.6

Кадырова Гульнара Ривальевна, Ульяновский государственный технический университет, кандидат технических наук, окончила радиотехнический факультет Ульяновского политехнического института. Доцент кафедры «Прикладная математика и информатика» УлГТУ. Имеет статьи, монографии, учебные пособия в области статистического моделирования, программных информационных систем. [e-mail: gulya@ulstu.ru]Г.Р. Кадырова

Модификация метода пошаговой регрессии для получения математических моделей прогноза поведения объекта000_8.pdf

В статье представлен алгоритм модифицированной версии метода пошаговой регрессии, реализованный в статистическом пакете «Система поиска оптимальных регрессий» (СПОР). Данный метод используется для поиска оптимальной структуры модели процессов или функционирования технических объектов, предназначенной, помимо их описания, для оптимизации, управления и прогноза. Основным инструментом положительного воздействия на прогностические свойства модели является алгоритм поиска ее оптимальной структуры. Обычно при невозможности применить полный однокритериальный перебор структур прибегают к тому или иному виду неполного перебора. При этом регулярный или случайный перебор в условиях ограничения типа (≤) на количество слагаемых в модели обеспечивает достаточно эффективный учет систематических составляющих. Проведенные исследования позволяют считать данный метод перспективным математическим подходом для сокращения размерности модели и повышения точности определения ее параметров и прогноза.

Регрессионное моделирование, прогнозирование, методы структурной идентификации, пошаговая регрессия, меры качества, статистический пакет.

2016_ 3

Рубрика: Математическое моделирование

Тематика: Математическое моделирование, Исследование операций и принятие решений.


УДК 004.8

Афанасьева Татьяна Васильевна , Ульяновский государственный технический университет, доктор технических наук, доцент, заместитель заведующего кафедрой «Информационные системы» Ульяновского государственного технического университета. Окончила радиотехнический факультет УлГТУ. Имеет статьи и монографии в области интеллектуального анализа временных рядов. [e-mail: tv.afanasjeva@gmail.com]Т.В. Афанасьева,

Сапунков Алексей Андреевич , Ульяновский государственный технический университет, аспирант кафедры «Информационные системы» УлГТУ, окончил факультет информационных систем и технологий УлГТУ. Имеет работы в области интеллектуального анализа временных рядов. [e-mail: sapalks@gmail.com]А.А. Сапунков,

Тонерян Мкртыч Саркисович , Ульяновский государственный технический университет, аспирант кафедры «Информационные системы» УлГТУ, окончил факультет информационных систем и технологий УлГТУ. Имеет работы в области интеллектуального анализа временных рядов. [e-mail: mkr73@yandex.ru]М.С. Тонерян

Двухступенчатый алгоритм выбора нечеткой модели для прогнозирования временных рядов000_8.pdf

В статье предлагается двухступенчатый алгоритм выбора наилучшей модели прогнозирования временного ряда (ВР), основанный на анализе адекватности модели по поведению и точности. В качестве набора для тестирования алгоритма были использованы ВР, предоставленные на международном соревновании по прогнозированию ВР 2015 года в рамках конференции IFAS-EUSLAT(International Time Series Forecasting Competition [http://irafm.osu.cz/cif/main.php]). База данных данного соревнования состояла из 91 числового ВР разных длин, тенденции и частоты снятия данных. Значения ВР отражали динамику показателей, полученных из банковской сферы, социальных сетей и медицины. Для прогнозирования ВР применялись три модели, основанные на понятии нечеткого ВР. Чтобы определить лучшую модель был предложен двухэтапный алгоритм, основанный на сравнении тенденций ВР и модели. Также в алгоритме используются новые критерии качества в дополнение к уже известным. В заключении обсуждаются полученные результаты и демонстрируется эффективность предлагаемого алгоритма.

Нечеткие тенденции, нечеткие временные ряды, прогнозирование, лингвистическое описание.

2015_ 4

Рубрика: Информационные системы

Тематика: Информационные системы.


УДК 519.6

Кадырова Гульнара Ривальевна , Ульяновский государственный технический университет, кандидат технических наук, окончила радиотехнический факультет Ульяновского политехнического института. Доцент кафедры «Прикладная математика и информатика» УлГТУ. Имеет статьи, монографии, учебные пособия в области статистического моделирования, программных информационных систем. [e-mail: gulya@ulstu.ru]Г.Р. Кадырова

Оценка и прогнозирование состояния технического объекта по регрессионным моделям000_10.pdf

В статье представлен статистический пакет «Система поиска оптимальных регрессий» (СПОР), реализующий подход адаптивного регрессионного моделирования и обеспечивающий оценку адекватности модели наблюдениям и поиск ее оптимальной структуры. Эффективность данной методологии, под которой понимается сокращение размерности модели и повышение точности определения ее параметров и прогноза, прямо пропорциональна размерности, степени зашумленности и мультиколлинеарности исходных данных, что позволяет считать ее применение для описания состояния технических объектов перспективным математическим подходом. Одной из задач при анализе данных является задача выбора меры сравнения конкурирующих моделей. Для моделей небольшой размерности, предназначенных для прогноза, использование внутренних мер качества не всегда может дать точное представление о предпочтительности той или иной конкурирующей структуры. Исследованы свойства меры «скользящего экзамена», основанной на всей выборке данных и использующей ее в качестве контрольной, по отношению к известным внутренним и внешним мерам. Показана перспектива ее применения для идентификации оптимальной модели прогноза в рамках СПОР.

Регрессионное моделирование, прогнозирование, методы структурной идентификации, меры качества, система поиска оптимальных регрессий, статистический пакет.

2015_ 4

Рубрика: Математическое моделирование

Тематика: Математическое моделирование, Информационные системы.


УДК 004.942

Ярушкина Надежда Глебовна, Ульяновский государственный технический университет, доктор технических наук, профессор, окончила радиотехнический факультет Ульяновского государственного технического университета. Первый проректор - проректор по научной работе Ульяновского государственного технического университета. Имеет более 250 работ в области мягких вычислений, нечеткой логики, гибридных систем. [e-mail: jng@ulstu.ru]Н.Г. Ярушкина,

Воронина Валерия Вадимовна, Ульяновский государственный технический университет, кандидат технических наук, окончила факультет информационных систем и технологий Ульяновского государственного технического университета. Доцент кафедры «Информационные системы» Ульяновского государственного технического университета. Имеет статьи в области интеллектуального анализа временных рядов. [e-mail: vvsh85@mail.ru]В.В. Воронина,

Тимина Ирина Александровна, Ульяновский государственный технический университет, окончила факультет информационных систем и технологий Ульяновского государственного технического университета. Ассистент кафедры «Информационные системы» Ульяновского государственного технического университета. Имеет работы в области интеллектуального анализа временных рядов. [e-mail: timina_i@mail.ru@ulstu.ru]И.А. Тимина,

Эгов Евгений Николаевич, Ульяновский государственный технический университет, аспирант кафедры «Информационные системы», окончил факультет информационных систем и технологий Ульяновского государственного технического университета. Ассистент кафедры «Информационные системы» Ульяновского государственного технического университета. Имеет работы в области интеллектуального анализа временных рядов. [e-mail: e.egov@ulstu.ru]Е.Н. Эгов

Прогнозирование состояния технической системы с применением меры энтропии для нечетких временных рядов000_6.pdf

В статье рассматриваются способы прогнозирования временных рядов технических систем (ТС) на основе гипотезы сохранения тенденций, гипотезы устойчивости тенденции и гипотезы прогнозирования на заданный период, а также прогнозирование с использованием меры энтропии для нечетких временных рядов. Метод вычисления меры энтропии для нечетких временных рядов был описан в предыдущем номере журнала. Также описывается программный комплекс диагностирования и прогнозирования нечетких временных рядов на основе меры энтропии. Комплекс разбит на несколько модулей, с возможностью использования некоторых из них в иных комплексах по прогнозированию временных рядов. Основной интерес данной статьи представляют разработанный алгоритм прогнозирования на основе меры неопределенности временного ряда и сравнение двух подходов к прогнозированию нечетких временных рядов. Сравнение производилось на основе значений ошибок MAPE, MSE, RMSE, полученных при прогнозировании значений 10 рядов двумя программами прогнозирования. Первая программа, описанная в свидетельстве о регистрации программ, базируется на выборе одной из гипотез, вторая, описанная в этой статье, на прогнозировании по мере энтропии. Статья рассчитана на специалистов, диагностирующих технические системы.

Мера энтропии, прогнозирование, временные ряды.

2015_ 3

Рубрика: Математическое моделирование

Тематика: Математическое моделирование, Автоматизированные системы управления .


УДК 004.896:004.94

Ярушкина Надежда Глебовна, Ульяновский государственный технический университет, доктор технических наук, профессор, окончила радиотехнический факультет Ульяновского государственного технического университета. Первый проректор - проректор по научной работе Ульяновского государственного технического университета. Имеет более 250 работ в области мягких вычислений, нечеткой логики, гибридных систем. [e-mail: jng@ulstu.ru]Н.Г. Ярушкина,

Тимина Ирина Александровна , Ульяновский государственный технический университет, окончила факультет информационных систем и технологий УлГТУ по специальности «Прикладная информатика (в экономике)». Ассистент кафедры «Информационные системы» Ульяновского государственного технического университета. Имеет статьи и научные труды в области интеллектуального анализа данных. [e-mail: timina_i@mail.ru@ulstu.ru]И.А. Тимина

Модель и средства управления проектированием автоматизированной системы на основе динамики метрик программного кода000_10.pdf

В статье рассматривается вопрос управления проектами, связанными с разработкой продуктов программного обеспечения, посредством использования автоматизированной системы контроля версий (СКВ), и анализом метрик программного кода. Для решения поставленной задачи предлагается исследование работы СКВ с последующим использованием компоненты анализа данных ведения проекта на основе применения модели временного ряда (ВР), построения ВР нечетких тенденций, кластеризации для выделения доминирующей нечеткой тенденции, выделения ВР-предиката, который имеет влияние на исследуемый ВР, степени сходства между ВР, их корреляции, прогнозирования и корректировки прогноза на основе зависимости метрик событий в процессе разработки проекта. В качестве метрик программного кода были использованы ВР числа ошибок из общего числа изменений, количество улучшений также из числа изменений, количество введенных новых функций. Для прогнозирования была выбрана гипотеза сохранения тенденции. Предложенный подход исследован в примерах.

Система контроля версий, временной ряд, нечеткая тенденция, прогнозирование, корректировка прогноза.

2015_ 3

Рубрика: Системы автоматизации проектирования

Тематика: Системы автоматизации проектирования, Автоматизированные системы управления .


УДК 004.8

Афанасьева Татьяна Васильевна, Ульяновский государственный технический университет, доктор технических наук, окончила радиотехнический факультет Ульяновского политехнического института, профессор кафедры «Информационные системы» Ульяновского государственного технического университета. Имеет книги и статьи в области интеллектуального анализа временных рядов. [e-mail: tv.afanasjeva@gmail.com]Т.В. Афанасьева

Прогнозирование локальных тенденций временных рядов в задачах анализа больших данных38_5.pdf

Согласно прогнозам в области информационных технологий (ИТ), рост объемов хранимых данных, получаемых из различных источников, будет удваиваться каждые два года вплоть до 2020 года. Данная тенденция будет сохраняться в условиях увеличения данных, генерируемых в OLTP-системах, в социальных сетях и устройствами при взаимном обмене информацией при интенсивном развитии технологий хранилищ данных, «облачных вычислений», «интернета вещей» и «цифрового производства». Все это порождает большой интерес к проблеме анализа и обработки больших данных (Big Data) как со стороны бизнеса, так и со стороны научного сообщества. Технология аналитических OLAP-систем для анализа больших данных, сфокусированная на обеспечении визуализации многомерных данных и формировании интерактивных отчетов, является одной из самых востребованных в системах поддержки принятия решений и в системах класса Business intelligence. Перспективной технологией в области анализа, дополняющей возможности OLAP-систем и нацеленной на выявление скрытых закономерностей в больших данных, является технология интеллектуального анализа данных (ИАД). К наиболее важным задачам ИАД для больших данных безусловно следует отнести прогнозирование. В настоящей статье рассматриваются научные основы методологии прогнозирования локальных тенденций как нечетких тенденций для одномерных временных рядов (ВР) (числовых и нечисловых), приводимых к нечетким временным рядам (НВР). Решение указанной задачи интересно и в теоретическом, и в практическом аспекте. Известно, что модели НВР хорошо себя зарекомендовали себя для ВР небольшой длины, а для длинных ВР требуют больших вычислительных затрат. В статье предложен k-trend алгоритм для извлечения локальных тенденций из больших данных, рассматриваемых в виде ВР, приведены модели ВР в терминах нечетких локальных тенденций. Показан эффект от применения предложенного подхода, выраженный в значительном сокращении вычислительных затрат при применении моделей НВР.

Большие данные, нечеткие модели, временные ряды, локальные тенденции, прогнозирование.

2014_ 4

Рубрика: Математическое моделирование

Тематика: Математическое моделирование, Автоматизированные системы управления , Искусственный интелект.


УДК 621.38


Киселевич Валерий Павлович, ОАО «Концерн «Моринсис-Агат», г. Москва, кандидат химических наук, окончил факультет приборостроения Ленинградского института авиационного приборостроения (ЛИАП). Заместитель генерального директора по производству - технический директор ОАО «Концерн «Моринсис-Агат», г. Москва. Имеет статьи и патенты в области обеспечения качества и контроля электронных устройств. [e-mail: kiselevich_vp@concern-agat.ru]В.П. Киселевич,

Клячкин Владимир Николаевич, Ульяновский государственный технический университет, доктор технических наук, окончил механический факультет Ульяновского политехнического института. В настоящее время профессор кафедры «Прикладная математика и информатика» Ульяновского государственного технического университета. Имеет научные труды в области надежности и статистических методов. [e-mail: v_kl@mail.ru]В.Н. Клячкин,

Сухов Владимир Васильевич, ОАО «Концерн «Моринсис-Агат», г. Москва, кандидат технических наук, окончил машиностроительный факультет МГТУ им. Н.Э. Баумана по специальности «Радиомеханические приборные устройства». Начальник конструкторского отдела ОАО «Концерн «Моринсис-Агат», г. Москва. Имеет статьи и патенты в области надежности, испытаний и расчетов динамики и прочности РЭА, систем виброизоляции, вибро-акустических и шумовых характеристик, тепловых режимов. [e-mail: vsuhov051@yandex.ru]В.В. Сухов

Прогнозирование ресурса вычислительной системы по результатам испытаний35_7.pdf

Рассмотрены вопросы прогнозирования ресурса системы по результатам ускоренных испытаний при различных воздействиях. Методы оценки ресурса делят на четыре группы: статистические, детерминированные, физико-статистические, экспертные. Наибольшее использование находят первые три метода. Аналитические методы учета влияния этих воздействий на ресурс разработаны лишь для отдельных факторов, при этом не всегда учитываются особенности случайных воздействий. Известны методы расчета долговечности, связанные с усталостной прочностью. Для разработки эффективного метода оценки ресурса проведен анализ внешних воздействий, которые оказывают наибольшее влияние на долговечность. По результатам анализа аналогичных систем и ускоренных испытаний предложен метод оценки среднего и гамма-процентного ресурса на основе распределения наработки до отказа, параметры которого определяются расчетным путем. Испытания проведены на группе модулей по каждому выбранному воздействию. Приведен пример расчета системы как последовательного соединения подсистем, каждая из которых находится под действием одного из воздействий: вибраций, температуры, включения и выключения электропитания.

Ресурс, прогнозирование, вычислительная система, ускоренные испытания, статистические методы, распределение вейбулла.

2014_ 1

Рубрика: Математическое моделирование

Тематика: Математическое моделирование, Электротехника и электронные устройства .


УДК 004.89:004.4


Тимина Ирина Александровна, Ульяновский государственный технический университет, аспирант кафедры «Информационные системы» Ульяновского государственного технического университета, окончила факультет информационных систем и технологий УлГТУ по специальности «Прикладная информатика (в экономике). Имеет статьи и научные труды в области интеллектуального анализа данных. [e-mail: timina_i@mail.ru]И.А. Тимина

Нечеткая зависимость как метод решения задач интеллектуального анализа временных рядов33_6.pdf

Статья посвящена вопросу нечеткой зависимости временных рядов (ВР) для решения задач моделирования и прогнозирования поведения экономических объектов. Эта проблема решается на основе применения линейной модели регрессии, степени сходства между ВР и их корреляции. Для прогнозирования применяется метод нечетких элементарных тенденций (НЭТ). Эффективность предложенного подхода подтверждена экспериментами.

Временной ряд, прогнозирование, нечеткая тенденция.

2013_ 3

Рубрика: Математическое моделирование, численные методы и комплексы программ

Тематика: Искусственный интелект, Исследование операций и принятие решений.


УДК 004.89:004.4


Тимина Ирина Александровна, Ульяновский государственный технический университет, аспирант кафедры «Информационные системы» Ульяновского государственного технического университета, окончила факультет информационных систем и технологий УлГТУ по специальности «Прикладная информатика (в экономике). Имеет статьи и научные труды в области интеллектуального анализа данных. [e-mail: timina_i@mail.ru]И.А. Тимина

Нечеткая зависимость как метод решения задач интеллектуального анализа временных рядов33_6.pdf

Статья посвящена вопросу нечеткой зависимости временных рядов (ВР) для решения задач моделирования и прогнозирования поведения экономических объектов. Эта проблема решается на основе применения линейной модели регрессии, степени сходства между ВР и их корреляции. Для прогнозирования применяется метод нечетких элементарных тенденций (НЭТ). Эффективность предложенного подхода подтверждена экспериментами.

Временной ряд, прогнозирование, нечеткая тенденция.

2013_ 3

Рубрика: Математическое моделирование, численные методы и комплексы программ

Тематика: Искусственный интелект, Исследование операций и принятие решений.


УДК 004.89:004.4


Тимина Ирина Александровна, Ульяновский государственный технический университет, аспирант кафедры «Информационные системы» Ульяновского государственного технического университета, окончила факультет информационных систем и технологий УлГТУ по специальности «Прикладная информатика (в экономике). Имеет статьи и научные труды в области интеллектуального анализа данных. [e-mail: timina_i@mail.ru]И.А. Тимина

Нечеткая зависимость как метод решения задач интеллектуального анализа временных рядов33_6.pdf

Статья посвящена вопросу нечеткой зависимости временных рядов (ВР) для решения задач моделирования и прогнозирования поведения экономических объектов. Эта проблема решается на основе применения линейной модели регрессии, степени сходства между ВР и их корреляции. Для прогнозирования применяется метод нечетких элементарных тенденций (НЭТ). Эффективность предложенного подхода подтверждена экспериментами.

Временной ряд, прогнозирование, нечеткая тенденция.

2013_ 3

Рубрика: Математическое моделирование, численные методы и комплексы программ

Тематика: Искусственный интелект, Исследование операций и принятие решений.


УДК 683.03


Афанасьева Татьяна Васильевна, Ульяновский государственный технический университет, Кандидат технических наук, доцент кафедры «Прикладная математика и информатика» Ульяновского государственного технического университета. Имеет статьи, монографию и учебное пособие в области интеллектуального анализа временных рядов. [e-mail: tv.afanaseva@mail.ru]Т.В. Афанасьева,

Ярушкина Надежда Глебовна, Ульяновский государственный технический университет, Доктор технических наук, профессор, проректор по научной работе, заведующая кафедрой «Информационные системы» УлГТУ. Имеет статьи, монографии в области интеллектуального анализа данных. [e-mail: jng@ulstu.ru]Н.Г. Ярушкина

Анализ эффективности модели нечеткой тенденции в прогнозировании временных рядов26_7.pdf

В статье приводится описание новой модели анализа временных рядов (ВР), ориентированной на прогнозирование временных рядов небольшой длины. В основе новой модели лежит формализация и идентификация нового объекта ВР - нечеткой тенденции (НТ). Предложенная модель свободна от предположений, используемых в стохастическом моделировании, проста в реализации, ориентирована на лингвистическую интерпретацию результатов. Экспериментальные исследования показателей точности предложенной модели показали ее пригодность в прогнозировании ВР небольшой длины и конкурентоспособность по сравнению с аналогами.

Прогнозирование, временной ряд, нечеткая тенденция, показатели точности.

2011_ 4

Рубрика: Системы искусственного интеллекта

Тематика: Искусственный интелект, Автоматизированные системы управления , Математическое моделирование.


УДК 338.33


Муфтяхитдинов Марат Аликович, ФНПЦ ОАО «НПО «Марс», Начальник научно-исследовательской лаборатории - заместитель начальника научно-производственного комплекса (НПК) по маркетингу. Специализируется в области разработки и проектирования электронных модулей. [e-mail: mars@mv.ru]М.А. Муфтяхитдинов,

Нефёдова Анна Ивановна, ФНПЦ ОАО «НПО «Марс», Студентка 5 курса экономико-математического факультета (специальность «Маркетинг») Ульяновского государственного технического университета. Техник научно-исследовательской лаборатории проектирования модулей и средств вычислительной техники. Область научных интересов - современные проблемы маркетинга промышленных предприятий [e-mail: mars@mv.ru]А.И. Нефёдова

Управление ассортиментом на основе авс- и xyz-анализов как один из путей повышения эффективности производства и продвижения продукции20_17.pdf

В статье рассмотрены две методики анализа ассортимента на примере производства видеомодулей ФНПЦ ОАО «НПО «Марс». Это АВС-анализ, используемый для выявления степени выгодности отдельных номенклатурных позиций, и XYZ-анализ, применяемый для прогнозирования ассортимента и выявления позиции продукции на рынке.

Видеомодуль, ассортимент, авс-анализ, xyz-анализ, прогнозирование, запас.

2010_ 2

Рубрика: Теоретические вопросы автоматизации процессов управления

Тематика: Математическое моделирование.


УДК 683.03


Ярушкина Надежда Глебовна, Ульяновский государственный технический университет, Проректор по научной работе, доктор технических наук, профессор, заведующая кафедрой «Информационные системы». Имеет статьи, монографии в обла- сти интеллектуального анализа данных. [e-mail: jng@ulstu.ru]Н.Г. Ярушкина,

Перфильева Ирина Григорьевна, Остравский университет, Чехия, Кандидат физико-математических наук, профессор. Имеет статьи, монографию в области интеллектуального анализа временных рядов. [e-mail: Irina.Perfilieva@osu.cz]И.Г. Перфильева,

Афанасьева Татьяна Васильевна, Ульяновский государственный технический университет, Кандидат технических наук, докторант, доцент кафедры «Прикладная математика и информатика». Имеет статьи, монографию в области интеллектуального анализа данных. [e-mail: tv.afanaseva@mail.ru]Т.В. Афанасьева

Интегральный метод нечеткого моделирования и анализа нечетких тенденций20_9.pdf

Рассматривается новый метод моделирования временных рядов (ВР), интегрирующий интеллектуальные методы решения задач извлечения знаний из временных рядов не только в числовой форме, но и в форме лингвистического описания уровней и элементарных тенденций.

Нечеткая модель, временной ряд, нечеткая тенденция, извлечение знаний, прогнозирование.

2010_ 2

Рубрика: Теоретические вопросы автоматизации процессов управления

Тематика: Искусственный интелект.


© ФНПЦ АО "НПО "Марс", 2009-2016 Работает на Joomla!