ВУЗ:
Составители:
Рубрика:
117
степенными многочленами, используемыми в регрессионном анали-
зе, применима для малой размерности M вектора входных парамет-
ров X. С ростом M резко возрастает число корректируемых пара-
метров многочлена и необходима обучающая выборка эксперимен-
тальных данных большого объёма. Например, для аппроксимации
зависимости, имеющей 30 входных переменных, требуется степен-
ной многочлен, содержащий примерно 46 000 корректируемых пара-
метров.
В наши дни возрастает необходимость в системах, которые спо-
собны не только выполнять однажды запрограммированную последо-
вательность действий над заранее определёнными данными, но и спо-
собны сами анализировать вновь поступающую информацию, нахо-
дить в ней закономерности, производить прогнозирование. В этой об-
ласти приложений самым лучшим образом зарекомендовали себя так
называемые искусственные нейронные сети (Neural Networks (NN)).
Это эффективный математический аппарат для обработки "историче-
ских" данных о процессе. Нейронные сети решают проблему пред-
ставления нелинейного отображения Q
=
Q(X,
W), форма которого
управляется вектором весов W.
Исходными данными для решения задачи прогнозирования спро-
са на продукцию является информация, характеризующая экономиче-
скую ситуацию на рынке. Источники этой информации могут нахо-
диться как внутри, так и вне предприятия.
Постановка задачи прогнозирования ёмкости рынка многоассор-
тиментной малотоннажной продукции формулируется следующим
образом: для известных объёмов спроса на продукцию ассортимента:
i, i = 1...I:
I
nt
I
jt
I
t
I
t
I
t
ntjtttt
QQQQQ
QQQQQ
−−−−−
−−−−−
...,,...,,,,
...........................................
;...,,...,,,,
321
111
3
1
2
1
1
и факторных признаков
M
nt
M
jt
M
t
M
t
M
t
ntjtttt
XXXXX
XXXXX
−−−−−
−−−−−
...,,...,,,,
..............................................
;...,,...,,,,
321
111
3
1
2
1
1
Страницы
- « первая
- ‹ предыдущая
- …
- 115
- 116
- 117
- 118
- 119
- …
- следующая ›
- последняя »
