Нейросети
Нейросети
Нейросети
Нейросети
Нейросети





Нейросети
  Глава 1     Глава 2   

 

 

В данном случае модели усложняются не только за счет увеличения числа учитываемых аргументов, но и за счет роста степени описания.

В алгоритмах с последовательным выделением трендов в качестве таковых рассматриваются уравнения регрессии по одному аргументу, включая время:                                             

Для построения моделей используются частные описания вида

Алгоритм работает таким образом, что вначале выделяется первый тренд и рассчитывается соответствующее отклонение (первый остаток) истинных значений функции от тренда. После чего это отклонение аппроксимируется вторым трендом и определяется второй остаток и т. д. На практике выделяют до пяти-шести трендов. Среди основных алгоритмов МГУА наибольший интерес представляет обобщенный алгоритм, обеспечивающий получение наиболее точных моделей благодаря использованию в качестве опорной функции аддитивной и  мультипликативной моделей трендов [51].

С целью сокращения числа входных аргументов в обобщенном алгоритме используется рассмотренный выше алгоритм последовательного выделения трендов для выбора оптимальной опорной Функции аддитивной и мультипликативной моделей трендов [51].

С целью сокращения числа входных аргументов в обобщенном алгоритме используется рассмотренный выше алгоритм последовательного выделения трендов для выбора оптимальной опорной функции, после чего осуществляется перебор всех возможных комбинаций выделенных трендов, либо в классе сумм, либо в классе произведений.

Пусть, например, выбрана зависимость

Обобщенный алгоритм МГУА предусматривает перебор двенадцати комбинаций [51]








Подпись: Начало
Подпись: Дальше

Метод группового учета аргументов 2