Гибридные нейросетевые модели мониторинга данных временных рядов сложных объектов

Аннотация

Рассмотрена задача мониторинга состояния сложных объектов различной природы на основе классификационного и регрессионного анализа данных временных рядов. Разработаны и исследованы гибридные нейросетевые модели классификационного и регрессионного анализа с использованием данных о функционировании систем трех типов: космических аппаратов, информационной системы и экономической системы, представленных в виде временных рядов. Для всех типов систем предложенные гибридные модели показали преимущество по точности. Разработан генетический алгоритм автоматического поиска гибридных нейросетевых моделей, с помощью которого сгенерированы модели различной сложности с точностью не ниже моделей, разработанных вручную. В конце поиска отмечено, что значения фитнес-функций сгенерированных гибридных нейронных сетей близки к максимальным. Это можно рассматривать как экспериментальное подтверждение построения решения, близкого к оптимальному для определенных параметров поиска.