Тези доповідей, матеріали конференцій
Постійне посилання на розділhttps://dspace.nuft.edu.ua/handle/123456789/7373
Переглянути
4 результатів
Результати пошуку
Документ Метод найменших квадратів(2021) Духновська, Марія Михайлівна; Зінькевич, Петро Олексійович; Зінькевич, Олексій ПетровичВступ. На сьогоднішній день однією з ключових функцій управління економікою є прогнозування. Методи прогнозування, як правило, поділяються на: 1) методи, побудовані на статистиці; 2) методи, побудовані на основі інтелектуальних систем керування (штучному інтелекті), в яких використовується метод найменших квадратів. Матеріали і методи. Методи найменших модулів та найменших квадратівДокумент Інтелектуальна система керування з використанням нейро-нечіткої мережі ANFIS для реалізації функції прогнозування електричного навантаження(2020) Балюта, Сергій Миколайович; Зінькевич, Петро Олексійович; Куєвда, Юлія ВалеріївнаДля проведення досліджень було вибрано адаптивну нечітку систему з механізмом логічного висновку за допомогою алгоритму Сугено, що базується за правилами ЯКЩО-ТО, яка має назву мережі ANFIS (Adaptive Network Based Fuzzy Inference System), що входить до середовища моделювання Matlab. ANFIS - це поєднання штучної нейронної мережі (ANN) та системи нечіткого виведення (FIS). Вибір вказаної системи обумовлений тим, що поєднання теорії ANN та теорії нечітких множин дозволяє забезпечити переваги та подолати недоліки обох методів. Модель ANFIS можна навчити, не покладаючись виключно на експертні знання, які достатні для нечіткої логічної моделі. Перевага моделі ANFIS полягає в тому, що вона містить як числові, так і лінгвістичні знання. В ANFIS також використовується здатність ANN класифікувати дані та визначати закономірності. Порівняно з ANN, модель ANFIS є більш прозорою для користувача та спричиняє менше помилок запам'ятовування. Отже, існує декілька переваг ANFIS, включаючи її здатність до адаптації, нелінійну здатність та швидку здатність до навчання. Цей підхід, по суті, є нечіткою логічною моделлю, заснованою на правилах, правила якої розробляються в процесі навчання моделі. Навчальний процес базується на даних. ANFIS створює нечітку систему виведення, параметри функції належності якої походять із навчальних прикладів. В даному дослідженні був проведений аналіз системи ANFIS, що входить до середовища моделювання Matlab. Результати навчальної вибірки показали, що найкращим результатом функції належності є функція gbellmf, а найгіршими стали функції trapmf та pimf. Тому в майбутніх дослідженнях ми будемо застосовувати функцію gbellmf. Наступним етапом дослідження буде розроблення системи прогнозування в мережі ANFIS та порівняння їх зі статистичними методами.Документ Аналіз методів прогнозування електричного навантаження та факторів, що впливають на точність прогнозу(2021) Зінькевич, Петро Олексійович; Куєвда, Юлія Валеріївна; Балюта, Сергій МиколайовичУ цьому дослідженні проводиться порівнянний аналіз статистичних методів та штучного інтелекту, які використовуються для короткострокового, середньострокового та довгострокового прогнозування електричного навантаження (ПЕН) та наявність факторів, що впливають на точність прогнозу.Документ Artificial Neural Network (ANN) research in the hospitality and tourism industry(2017) Primachenko, Antonina; Mykhailova, Nelia