Прогнозування багатовимірних нестаціонарних часових рядів на основі адаптивної нео-фаззі-моделі

Abstract

Введено структуру адаптивного нео-фаззі предиктора та багатовимірного нео-фаззі-нейрона, а також метод навчання останнього. Запропонований алгоритм навчання має підвищену швидкість збіжності та забезпечує фільтруючі властивості. Завдяки введеній нейромережевій архітектурі, вузлами якої є нео-фаззі-нейрони, можна розв’язувати задачі короткострокового прогнозування у реальному часі за умов короткої навчальної вибірки. The architectures of the adaptive neo-fuzzy predictor and a multidimensional neo-fuzzyneuron are introduced. The proposed learning algorithm increases convergence rate and provides improved filter properties. The short-term prediction tasks may be fulfilled in an online mode with the help of proposed neuro-fuzzy architectures when a data set is short.