Аппроксимация функций с помощью каскадных нейроподобных сетей

Abstract

В статье предлагается применение нейронных сетей с каскадной архитектурой для аппроксимации функций, описывающих поведение моделируемых объектов. Описаны принципы построения нейроподобных каскадных сетей. Показаны преимущества формирования структуры нейронной сети по каскадному принципу в зависимости от поведения исследуемого объекта. Приведены примеры успешного применения каскадных нейроподобных сетей для решения прикладных задач моделирования и прогнозирования.

У статті пропонується застосування нейронних мереж з каскадною архітектурою для апроксимації функцій, що описують поведінку об’єктів, що моделюються. Описані принципи побудови нейроподібних каскадних мереж. Показані переваги формування структури нейронної мережі за каскадним принципом залежно від поведінки досліджуваного об’єкта. Наведені приклади успішного застосування каскадних нейроподібних мереж для вирішення прикладних задач моделювання й прогнозування.

In the article the application of neural networks with cascade architecture for approximation of functions, describing the conduct of the designed objects is offered. Principles of construction of cascade neural networks are described. Advantages of forming of neural network structure on cascade principle depending on the conduct of the probed object are shown. The examples of successful application of cascade neural networks are resulted for the decision of the applied tasks of design and prognostication.