Принципы архитектурной композиции информационных потоков сложных экономических систем в динамических нейросетевых моделях
Для решения задачи идентификации в целом, а также для идентификации СЭС в частности как динамических нелинейных многомерных систем, функцио-нирующих в условиях структурной и параметрической неопределенности, иссле-дователи используют рекуррентные динамические нейронные сети. Данная тен-денция продиктована универсальными аппроксимирующими свойствами данного математического аппарат, а также возможностью встроенного учета собственной динамики СЭС как моделируемой системы [221; 254; 255; 205; 249; 250]. Впро-чем, применение классических архитектурных решений с такой же или подобной организацией информационных потоков также встречается довольно часто. Об-щим моментом для данных случаев является организация потоков информации при идентификации или эксплуатации полученной нейросетевой модели ОУСЭС. Рассмотрим более подробно виды такой организации.
Для имитационного моделирования произвольных динамических объектов СЭС распространение получили два основных типа моделей: модели в простран-стве «вход-выход» и модели в пространстве состояний. Исходной информацией для формирования модели ОУСЭС типа «вход-выход» являются данные наблю-дений, накопленные в СППР предприятия, за ее входными и выходными сигнала-ми x(k), d(k). Эти наблюдения формируют основу для обучающего множества МФИ СЭС, и, как правило, они заданы либо в форме массива исторических дан-ных на некотором фиксированном временном интервале k = 1, 2, . . . , N (напри-мер, ERP, MES и другие подобные системы), либо они поступают на входы МФИ в режиме реального времени (например, автоматические торговые системы фон-довых бирж и валютных рынков, SCADA предприятий). Как правило, в таких случаях математическим описанием искомой модели является нелинейное стати-ческое многомерное уравнение авторегрессии — скользящего среднего с экзоген-ными входами (NARMAX-MIMO-модель [21]),
Вся работа доступна по Ссылке
