Modified Learning Algorithm for GMDH-Wavelet-Neuro-Fuzzy-Network in Information Technologies

Abstract

In the paper modified learning algorithm for GMDH-wavelet-neuro-fuzzy-network in information technologies is proposed. For Wavelet-Neuro-Fuzzy-Network structure optimization based on Group Method of Data Handling (GMDH) is developed and the method of structure optimization is described. Such hybrid systems can be used for solving many tasks including signal identification and prediction, person authentication, information classification and clustering, developing pseudo-random generator based on neural networks in cryptography and etc. The experimental investigations were carried out and their results accuracy of data processing by optimally constructed Wavelet-Neuro-Fuzzy-Network and network with multilayer feedforward architecture are presented and compared.

У статті запропоновано модифікований алгоритм навчання МГУА-вейлет-нейро-фаззі-мережі для вирішення задач обробки інформації. Для оптимізації структури вейвлет-нейро-фаззі системи запропоновано використовувати Метод Групового Урахування Аргументів (МГУА). Запропонована система дозволяє вирішувати широке коло задач, включаючи ідентифікацію та прогнозування сигналів, автентифікацію користувачів, класифікацію та кластеризацію інформації, розробку псевдо-випадкових генераторів на основі нейромереж в криптографії та інші. Імітаційне моделювання запропонованої архітектури та модифікованого алгоритму навчання підтверджує ефективність запропонованого підходу.

В статье предложен модифицированный алгоритм обучения МГУА-вэйвлет-нейро-фаззи сети для решения задач обработки информации. Для оптимизации структуры вэйвлет-нейро-фаззи системы предложено использовать Метод Группового Учета Аргументов (МГУА). Предложенная система позволяет решать широкий круг задач, включая идентификацию и прогнозирование сигналов, аутентификацию пользователей, классификацию и кластеризацию информации, синтез псевдо-случайных генераторов на основе нейросетей в криптографии и другие. Имитационное моделирование предложенной архитектуры и модифицированного алгоритма обучения подтверждает эффективность развиваемого подхода.