Винокурова О. А. Гібридні еволюційні адаптивні вейвлет-нейро-фаззі-системи для динамічного аналізу даних

Дисертаційна робота присвячена вирішенню актуальної науково-технічної проблеми розробки методів динамічного інтелектуального аналізу для послідовної обробки нестаціонарних нелінійних сигналів на основі гібридних еволюційних адаптивних вейвлет-нейро-фаззі-систем, здатних функціонувати за умов дефіциту апріорної та поточної інформації щодо структури та параметрів, що мають можливість обробки часових рядів з короткою і довгою вибіркою з локальними особливостями, а також забруднених викидами з невідомим розподілом, і характеризуються підвищеною швидкістю навчання. Вперше запропоновано низку вейвлет-нейронних мереж, гібридних адаптивних вейвлет-нейро-фаззі-систем, гібридних вейвлет-нейро-фаззі-систем типу-2, законів інтелектуального адаптивного керування на основі запропонованих вейвлет-нейро-фаззі-моделей, а також гібридні еволюційні багаторядні та каскадні МГУА-вейвлет-нейронні мережі для розв'язання задач динамічного інтелектуального аналізу даних. Для розроблених архітектур гібридних еволюційних адаптивних вейвлет-нейро-фаззі-систем запропоновано низку методів навчання, на основі квазі-н'ютонівських та робастних процедур, які характеризуються підвищеною швидкодією, слідкуючими та фільтруючими властивостями.