Робастное моделирование по данным наблюдений с применением полиномиального итерационного алгоритма МГУА

Abstract

Представлено поліноміальний ітераційний алгоритм, що реалізує техніку робастного параметричного і структурного оцінювання в рамках ідеології МГУА. Дворівнева структура нейромережі з контролем складності моделі забезпечує обчислювальну стабільність алгоритму МГУА-PNN. Наведено обчислювальний експеримент, що демонструє параметричну і структурну стійкість до грубих помилок спостережень, а також приклади розв’язання задач моделювання у фармакології та медицині.

Polynomial iterative algorithm for robust parameter and structure estimation within the framework of the GMDH technique is presented. A two-level neural network structure with the controlled model complexity improves the computational stability of the GMDH-PNN algorithm. Computational experiments demonstrating the parametrical and structural robustness in presence of outliers as well as examples of applications in pharmacology and medicine are provided.