Комп'ютерні науки та інформаційні технології. – 2015. – №826

Permanent URI for this collectionhttps://ena.lpnu.ua/handle/ntb/31218

Вісник Національного університету "Львівська політехніка"

До збірника наукових праць Національного університету “Львівська політехніка ”“Комп’ютерні науки та інформаційні технології” увійшли статті за результатами досліджень з актуальних питань комп’ютерних наук та інформаційних технологій, виконаних професорсько-викладацьким складом Національного університету “Львівська політехніка”, провідними вченими України і зарубіжними вченими в галузі проектування архітектури і компонентів комп’ютерних систем, моделювання складних об’єктів, процесів і систем та розроблення і використання новітніх інформаційних технологій. Для науковців, викладачів вищих закладів освіти, інженерів, що спеціалізуються у сфері новітніх обчислювальних систем, мереж, комп’ютеризованих засобів розв’язання задач цифрового опрацювання сигналів і зображень, автоматизованого проектування та керування, а також докторантів, аспірантів та студентів старших курсів відповідних спеціальностей.

Вісник Національного університету «Львівська політехніка». Серія: Комп’ютерні науки та інформаційні технології: збірник наукових праць / Міністерство освіти і науки України, Національний університет «Львівська політехніка»; голова Редакційно-видавничої ради Н. І. Чухрай. – Львів : Видавництво Львівської політехніки, 2015. – № 826. – 431 с. : іл.

Browse

Has files: YesSubject: search.filters.subject.prediction

Search Results

Now showing 1 - 4 of 4
  • Thumbnail Image
    Item
    Modeling of dissolution, ion exchange and adsorption in soils
    (Видавництво Львівської політехніки, 2015) Voronenko, M.
    The presented article is devoted to constructing regression models of the processes of dissolution, ion exchange and adsorption to create simulation systems in order to optimize the quality of soils.
  • Thumbnail Image
    Item
    Гібридна узагальнена адитивна нейро-фаззі система в задачах прогнозування часових рядів за умов невизначеності
    (Видавництво Львівської політехніки, 2015) Бодянський, Є.; Винокурова, O.; Шкуро, K.; Татарінова, Ю.
    Запропоновано гібридну узагальнену адитивна нейро-фаззі систему, що об’єднує переваги нейро-фаззі системи Ванга–Менделя і узагальнених адитивних моделей Хасті– Тібшірані. Ця система характеризується простотою обчислювальної реалізації, високими апроксимувальними властивостями, швидкодією процесу навчання і призначена для розв’язання широкого класу задач динамічного інтелектуального аналізу даних, що пов’язані з прогнозуванням нестаціонарних стохастичних і хаотичних сигналів, що забруднені завадами та надходять до системи послідовно в режимі реального часу. Nowadays the computational intelligence methods and systems are widespread for solving of different Data Mining tasks, intelligent control, prediction, identification, pattern recognition ets [1–4] under conditions of uncertainty, nonlinearity, stochasticity, chaotic states, different kinds of disturbances and noises due to their universal approximation properties and learning possibility based on data that describe the operation of investigated signal, process or plant. Now the most known and popular approaches are connected with the artificial neural networks such as multilayer perceptrons that are learned using backpropagation learning algorithm. Nevertheless, the training set must be defined a priori, and the training process is implemented using many epochs of the synaptic weights training. In this case, we cannot use such systems for solving tasks in on-line mode, when the data are fed to the inputs in a sequential order in real time. Implementing of on-line learning process is possible for neural networks, whose output signal depends linearly from tuned synaptic weights, for example, Radial Basis Function Networks (RBFN) [1, 4] and Normalized Radial Basis Function Networks (NRBFN) [5, 6], however their using is often complicated by, so called, the curse of dimensionality. In addition, problem here is not connected with computational complexity, but the problem is obtaining of data sets from the real plant that can be too small for estimating of large synaptic weights number. Neuro-fuzzy systems that combine the learning ability of neural networks and transparency and interpretability of the soft computing results, have a range of advantages ahead of the conventional neural network. Here, first of all, it should be noticed TSK-system [7–9] and ANFIS [10, 11], whose output signal also depends linearly from the synaptic weights and has less number of synaptic weights than RBFN or NRBFN. The more complex hybrid systems of computational intelligence are well-known and have increasing approximation properties, for example, the hybrid fuzzy wavelet neural networks [12, 13], whose learning algorithms complexity limits their using in on-line mode. The hybrid generalized additive neuro-fuzzy system that connects advantages of the neuro-fuzzy system by Wang-Mendel and the generalized additive models by Hastie-Tibshirani, is proposed. Such system is characterized by the simplicity of computational implementation, improving approximation properties, high-speed of learning process and is intended to solve wide range tasks of dynamic data mining, which are connected with the prediction of nonstationary noised stochastic and chaotic processes in on-line mode (i.e. the observations are fed to the system sequentially in real time).
  • Thumbnail Image
    Item
    Верифікація даних для прогнозування курсу долара за допомогою штучних нейронних мереж
    (Видавництво Львівської політехніки, 2015) Павлюк, О.; Тремба, Н.
    Використано метод ковзного середнього з шириною вікна у 4-ри точки для підвищення точності прогнозу курсу долара на тиждень. Для прогнозу вибрано неітераційну нейромережу з радіальними базовими функціями. Точність прогнозу курсу долара на тиждень з максимальною по виходах нейромережі середньоквадратичною приведеною до діапазону значень похибкою менша за 1%. The moving average method with the 4 samples window width is used to raise the weekly forecast of the US dollar exchange rate accuracy. The non-iterative artificial neural network with the radial basis functions is used for. In the end we got the forecast error less than 1%.
  • Thumbnail Image
    Item
    Інтегрована автоматизована система для прогнозування споживання електричної енергії у Львівській області
    (Видавництво Львівської політехніки, 2015) Павлюк, О.
    Розроблено ІАС “Прогноз” для прогнозування споживання електричної енергії в реальних виробничих умовах ПАТ “Львівобленерго”. Для цього застосовано статистичні та нейромережні методи верифікації вхідних даних; вдосконалено методи розширення розмірності простору вхідних даних для застосування їх в ШНМ з неітераційним навчанням. The IAS "Forecast" is developed for forecasting the electricity consumption in the original production conditions at PJSC "Lvivoblenergo." The statistical and neural network methods are used for the input data verification; is enhanced the space dimensions extending methods for the incoming data to use them with the ANN with non-iterative training. Key words: ANN, prediction, forecasting, electricity consumption.