ОПТИМИЗАЦИЯ ОБРАБОТКИ ДАННЫХ НА ОСНОВЕ МОДИФИЦИРОВАННОГО ОБУЧЕНИЯ НЕЙРОННОЙ СЕТИ И СЕГМЕНТАЦИИ СЛУЧАЙНЫХ ВРЕМЕННЫХ ПРОЦЕССОВ

Сформулирована задача и разработаны методы нейросетевой идентификации нестационарных объектов е механизмами настройки параметров моделей описания случайных временник рядов (СВР) и вычислительных схем нейронной сети (НС). Разработан модифицированный алгоритм обучения НС на основе субоптимальных наборов параметров и радиально-базисной активационной функции. Предложены процедуры предварительной обработки СВР, включающие методы сегментации и фильтрации нестационарных составляющих. Методы обучения НС с упрощенными процедурами поиска глобального и локальных экстремумов функционала оптимизации, определения рациональных параметров моделей описания СВР, нелинейной фильтрации с задержкой по времени, адаптивной сегментации с выделением фрактальных характеристик, формирования групп классов, настройки вычислительных схем структурных компонентов радиально-базисной сети реализованы в системах мониторинга технологических процессов.