В статье рассмотрена разработка математического обеспечения для восстановления значений отсчетов дискретной последовательности, которая была получена в результате равномерной дискретизации непрерывного во времени сигнала. Задача восстановления решается исходя из того, что сигнал можно рассматривать как стационарный или стационарный хотя бы в широком смысле (квазистационарный). Разработка математического обеспечения для восстановления значений отсчетов сигнала осуществлена на основе построения модели скользящего среднего и оценки корреляционной связи отсчетов сигнала во времени при прямом и обратном прогнозировании. Необходимая для восстановления значений отсчетов выборка оценок корреляционной функции сигнала вычисляется по отсчетам с известными значениями. С учетом выполнения условия стационарности сигнала это можно сделать на любом участке последовательности независимо от места нахождения восстанавливаемого участка. Полученные оценки отсчетов корреляционной функции могут использоваться как для прямого, так и для обратного прогнозирования. При этом даже если необходимо восстановить несколько проблемных участков, достаточно только один раз вычислить необходимую для их восстановления выборку оценок корреляционной функции. На основе полученного математического решения поставленной задачи разработано алгоритмическое обеспечение. Тестовые испытания и функциональные проверки алгоритмического обеспечения были осуществлены на основе имитационного моделирования с использованием модели сигнала, представляющей собой аддитивную сумму гармонических компонент со случайными начальными фазами. Полученные результаты показали, что вычисление оценок значений утраченных отсчетов осуществляется с достаточно низкой погрешностью, как при прямом, так и при обратном прогнозировании, а также при их совместном использовании. На практике выбор алгоритма восстановления последовательности на основе прямого или обратного прогнозирования будет определяться исходя из реальных условий. В частности, если предыдущих отсчетов с известными значениями недостаточно для прямого прогнозирования, то осуществляется процедура обратного прогнозирования и наоборот. Разработанное алгоритмическое обеспечение может быть реализовано в виде метрологически значимого программного обеспечения для многофункциональных систем цифровой обработки сигналов.
Аналитически исследована возможность и целесообразность прогнозирования на фондовых рынках с помощью методов и подходов статистической механики. Аппарат статистической механики применен для анализа и прогноза одного из важнейших показателей рынка – распределения логарифмической доходности. В качестве исходной модели использована модель Лотки-Вольтерра, применяемая в экологии для описания систем типа «хищник-жертва». Она адекватно аппроксимирует динамику рынка. В статье использована ее гамильтоновость, позволяющая применить аппарат статистической механики. Аппарат статистической механики (с использованием принципа максимальной энтропии) позволяет реализовать вероятностный подход, который адаптирован к условиям неопределенности фондового рынка. Канонические переменные гамильтониана представлены в виде логарифмов цен акций и облигаций, совместная функция распределения вероятности цен акций и облигаций получена в виде распределения Гиббса. Больцмановский фактор, входящий в распределение Гиббса, позволяет оценить вероятность появления тех или иных цен на акции и облигации и получить аналитическое выражение для вычисления логарифмической доходности, дающее более точные результаты, чем широко используемое нормальное (Гауссово) распределение. По своим характеристикам полученное распределение напоминает распределение Лапласа. Вычислены основные характеристики полученного распределения – среднее значение, дисперсия, асимметрия, эксцесс. Математические результаты представлены графически. Дано объяснение причинно-следственного механизма, вызывающего изменение доходности рынка. Для этого развита идея Теодора Модиса о конкуренции между акциями и облигациями за внимание и деньги инвесторов (по аналогии с оборотом биомассы в моделях типа «хищник-жертва» в биологии). Результаты исследования представляют интерес для инвесторов, теоретиков и практиков фондового рынка. Они позволяют принимать продуманные и взвешенные решения по инвестированию за счет более реального представления об ожидаемой доходности и более адекватной оценки инвестиционного риска.
В работе предлагается подход к оцениванию параметров нелинейных динамических моделей с помощью концепции Рандомизированного машинного обучения (РМО), основанной на переходе от детерминированных моделей к случайным (со случайными параметрами) с последующим оцениванием вероятностных распределений параметров и шумов по реальным данным. Главной особенностью данного метода является его эффективность в условиях малого количества реальных данных. В работе рассматриваются модели, сформулированные в терминах обыкновенных дифференциальных уравнений, которые преобразуются к дискретному виду для постановки и решения задачи энтропийной оптимизации. Применение предлагаемого подхода демонстрируется на задаче прогнозирования общего количества инфицированных COVID-19 с помощью динамической эпидемиологической модели SIR. Для этого в работе строится рандомизированная модель SIR (R-SIR) с одним параметром, энтропийно-оптимальная оценка которого реализуется его функцией плотности распределения вероятностей, а также функциями плотности распределения вероятностей измерительных шумов в точках, в которых производится обучения. Далее применяется техника рандомизированного прогнозирования с фильтрацией шумов, основанная на генерации соответствующих распределений и построении ансамбля прогнозных траекторий с вычислением средней по ансамблю траектории. В работе реализуется вычислительный эксперимент с использованием реальных оперативных данных о заболеваемости в виде сравнительного исследования с известным методом оценивания параметров модели, основанным на методе наименьших квадратов. Полученные в эксперименте результаты демонстрируют существенное снижение средне-абсолютной процентной ошибки (MAPE) при по отношению к реальным наблюдениям на интервале прогноза, что показывают работоспособность предложенного метода и его эффективность в задачах рассматриваемого в работе типа.
Работа посвящена прогнозированию развития эпидемии COVID-19 с помощью нового метода рандомизированного машинного обучения. Основу метода составляет идея оценивания распределений вероятностей параметров модели по реальным данным вместе с распределением вероятностей измерительных шумов. Энтропийно-оптимальные распределения соответствуют состоянию максимальной неопределенности, что позволяет использовать получаемые в итоге прогнозы, как прогнозы наиболее ``негативного'' сценария исследуемого процесса. Полученные оценки параметров и шумов, которые представляют собой распределения вероятностей, необходимо генерировать, получая таким образом ансамбль траекторий, который требуется анализировать статистическими методами. Для целей такого анализа проводится вычисление средней и медианной по ансамблю траектории, а также траектории, соответствующей средним по распределению значениям параметров модели. Предлагаемый подход используется для прогнозирования общего количества инфицированных с помощью трехпараметрической логистической модели роста. Проведенный эксперимент основан на реальных данных о распространении COVID-19 в нескольких странах Европейского союза. Основной целью эксперимента является демонстрация энтропийно-рандомизированного подхода для прогнозирования эпидемического процесса на основе реальных данных вблизи пика. Существенная неопределенность, содержащаяся в доступных реальных данных моделируется аддитивным шумом в пределах 30%, который используется как на этапе обучения модели, так и при прогнозировании. Для настройки гиперпараметров модели используется схема их настройки по тестовой выборке с последующим переобучением. Показано, что при одинаковых наборах данных, предлагаемый подход позволяет более эффективно прогнозировать развитие эпидемии по сравнению со стандартным подходом, основанным на методе наименьших квадратов.
В работе предложен адаптивный алгоритм прогнозирования временного ряда на основе выбора периода-аналога. Особенностью алгоритма является использование обучающей выборки прогнозов для автоматического выбора оптимальных параметров его работы. Алгоритм применялся для прогнозирования гидрологических временных рядов притока воды в Новосибирское водохранилище (река Обь). Показана эффективность его применения (повышение точности прогнозирования) по сравнению с базовым алгоритмом.
В статье описаны основы построения и практическая реализация систем оперативного прогнозирования речных наводнений, базирующиеся на интегрированном использовании современных разработок в области информационных технологий и комплексного упреждающего (проактивного) моделирования. Отличительными особенностями предлагаемого междисциплинарного подхода являются: a) широкое использование разнородных данных, получаемых от сети гидропостов и от космических аппаратов дистанционного зондирование Земли, б) реализация систем прогнозирования на базе сервис-ориентированной архитектуры, в) создание интеллектуального интерфейса для выбора типа и настройки параметров гидрологических моделей, и обеспечение удобного представления и доступности результатов прогноза, в том числе в виде Веб-сервисов. Практическая апробация созданного программного прототипа системы подтвердила возможность получения в автоматическом режиме высокоточного оперативного (от нескольких часов до нескольких суток) прогноза зон и глубин затоплений участков речных долин.
В статье реализован один из подходов количественной оценки скрытности вредоносных воздействий, приведён способ формирования множества потенциально реализуемых воздействий, раскрыто понятие демаскирующих признаков воздействий, проведено количественное сравнение отрицательного и положительного эффектов при выборе конкретного механизма воздействия.
В работе представлен метод обработки многомерных плохо формализованных массивов медико-биологической информации, базирующийся на эволюционном подходе к решению экстремальных задач функции многих переменных. Предлагаемый метод позволяет прогнозировать результаты лечения с учетом медико-биологических и социальных особенностей пациентов. Приведены результаты численного эксперимента.
Статья посвящена разработке модельно-алгоритмического обеспечения и программных средств для автоматизации процессов интеграции данных дистанционного зондирования Земли (ДЗЗ) и других разнородных информационных ресурсов при решении задач мониторинга и проактивного управления развитием территорий. Отличительной особенностью постановки задачи является включение в состав интегрируемых ресурсов средств моделирования состояния природно-технических объектов, расположенных на анализируемой территории. Основу разработки составляет обоснование технологии интеграции разнородных информационных ресурсов, включающей алгоритм выбора типа архитектуры создаваемого комплекса средств автоматизации, способ описания информационного процесса интеграции данных и их совместной обработки, алгоритм определения наилучшей конфигурации информационных ресурсов при решении тематических задач, а также совокупность программно-технологических решений по интеграции данных ДЗЗ с другими необходимыми данными и их совместному использованию при моделировании. В результате исследований и применения разработанных алгоритмов установлено, что наиболее предпочтительным типом архитектуры систем интеграции разнородных информационных ресурсов является сервис-ориентированная архитектура. Для описания информационного процесса интеграции предложено использование нотации Business Process Model and Notation. Ключевым компонентом разработки в части программно-технологических решений по интеграции разнородных данных является предложенная схема взаимодействия с поставщиками и потребителями данных на основе создания слоя абстракции данных. Применение предложенного решения позволяет привести разнородные данные к единому универсальному формату для последующей совместной обработки на средствах моделирования. Проведенная апробация на конкретных тематических задачах мониторинга и управления развитием территорий показала реализуемость предложенной технологии интеграции и разработанных программно-технологических средств, а также достижение существенного выигрыша в оперативности решения тематических задач.
Главной задачей использования нейронных сетей является оперативное и точное решение различных творческих задач, таких как анализ и синтез новостных потоков при сохранении непрерывности обучения. Результатом такой обработки могут быть дайджесты, новостные потоки, прошедшие фильтрацию, а также прогнозы событий, позволяющих обеспечивать проактивность в управленческих решениях Известные методы обработки новостей нейронными сетями и реализующие их технические решения не в полной мере обеспечивают решение возникающих в этой области задач. Необходимо расширить их функциональные возможности, совершенствовать пространственно-временное связывание сигналов в рекуррентных нейронных сетях. При обработке новостных потоков одновременно с непрерывным обучением рекуррентных нейронных сетей следует осуществлять селекцию, распознавание, восстановление, прогнозирование и синтез новостей. Для снижения остроты проблемы предлагается перспективный метод многофункциональной обработки новостных потоков с применением рекуррентных нейронных сетей с логической организацией слоев и непрерывным обучением. Метод основан на развитии ассоциативной обработки текстовой информации в потоковых рекуррентных нейронных сетях с управляемыми элементами. Ключевыми особенностями этого метода являются многофункциональная обработка информационных потоков с изменяющимися законами появления новостей. Метод предусматривает оперативный отбор, распознавание, восстановление, прогнозирование и синтез новостей на основе глубокой ассоциативной непрерывной обработки связей между текстовыми элементами. Реализующая предлагаемый метод нейросетевая система отличается от известных решений новыми элементами, связями между ними, а также выполняемыми функциями. По результатам экспериментов подтверждена расширенная функциональность метода. Выявлены новые особенности обработки новостных текстов потоковыми РНС. Предлагаемые решения могут найти применение при создании интеллектуальных систем нового поколения не только для обработки текстов, но и других видов информации.
В статье описаны результаты обработки статистических данных из открытых источников по развитию эпидемии COVID-19 и выполненного исследования по определению места и времени начала ее в России. В интересах предлагаемого исследования дан обзор существующих моделей процессов развития эпидемии и методов решения прямых и обратных задач его анализа. Предложена модель развития эпидемии COVID-19 в сети из девяти городов России: Москва, Санкт-Петербург, Нижний Новгород, Ростов-на-Дону, Краснодар, Екатеринбург, Новосибирск, Хабаровск, Владивосток. Города выбраны как по географическому положению, так и по количеству населения в них. Модель состоит из двадцати семи дифференциальных уравнений. Разработан алгоритм обратного анализа модели эпидемии. В качестве исходных данных для решения задачи выступали сведения по численности населения городов, интенсивности переходов процесса из одних состояний в другие, а также данные по инфицированности населения на заданные моменты времени. В статье также приводятся результаты детального анализа подходов решения к моделированию развития эпидемий по видам моделей (базовая модель SEIR, модель SIRD, адаптивная поведенческая модель, модифицированные SEIR-модели), и по странам (в Польше, во Франции, Испании, Греции и других), а также обзор прикладных задач, которые можно решить, используя моделирование распространения эпидемий. Рассматриваются дополнительные параметры среды, которые влияют на моделирование распространения эпидемий и могут учитываться для повышения точности результатов. По результатам моделирования установлены наиболее вероятные города-источники начала эпидемии в России, а также момент ее начала. Достоверность полученных оценок во многом определяется достоверностью использованных статистических данных по развитию COVID-19, находящихся в открытом доступе.
Одной из важнейших задач современной робототехники является разработка роботов для выполнения рутинных, вредных и опасных видов работ без непосредственного участия человека. Несмотря на активное развитие технологий искусственного интеллекта, на данный момент робототехнические системы не способны заменить человека при решении сложных задач в динамической среде. Наиболее перспективными для применения в ближайшее время являются роботы, реализующие копирующий тип управления, или так называемое виртуальное присутствие оператора. Принцип копирующего управления построен на захвате движения удаленно находящегося оператора и формировании управляющих сигналов для приводов робота. Для управления приводами могут использоваться следящие системы или системы на основе планирования движения. Следящие системы более просты, однако системы на основе планирования движения позволяют добиться большей плавности движения и меньшего износа деталей объекта управления. Для реализации управления на основе планирования движения вводится искусственная задержка между движениями оператора и объекта управления для накопления необходимых данных.
Цель исследования — устранение задержки, возникающей при управлении приводами антропоморфного манипулятора на основе решения обратной задачи динамики при копирующем типе управления в масштабе реального времени. Предлагается использовать для планирования движения не измеренные, а прогнозные значения обобщенных координат руки оператора. На основе измеренных значений обобщенных координат руки оператора формируются временные ряды и выполняется их прогнозирование. Прогнозные значения обобщенных координат используются при планировании траектории движения антропоморфного манипулятора и решении обратной задачи динамики. Прогнозирование осуществляется методом линейной регрессии, имеющим относительно малую вычислительную сложность, что является важным критерием для работы системы в масштабе реального времени.
Разработанный математический аппарат позволяет на основе параметров прогнозирования и максимальных допустимых ускорений движения приводов манипулятора найти теоретическую оценку пределов значений ошибки прогнозирования траектории движения руки оператора при использовании предлагаемого подхода для конкретных задач.
Проведенная программная симуляция в среде Matlab подтвердила адекватность полученной теоретической оценки максимального значения ошибки прогнозирования, а также перспективность предлагаемого подхода для проверки на практике.
В настоящей статье представлен анализ существующих подходов к оцениванию количества информации на различных уровнях ее представления. Введены и математически описаны понятия информационного потока и потенциальной информативности сообщения на синтактическом уровне представления. Сформулированы и доказаны теоремы, которые позволяют выполнить количественную оценку потенциальной информации. Предложен подход к оцениванию количества потенциальной информативности.
В статье представлены результаты численных исследований качества применения традиционных вариантов статистической обработки данных к задачам оценивания и прогнозирования состояния рынков капитала.
Описывается опыт применения методов интеллектуального анализа данных для решения задачи прогнозирования риска оперативного вмешательства у больных ИБС. Приводятся результаты сравнения разработанной системы прогнозирования риска с известными системами.
1 - 15 из 15 результатов