Объект исследования - процессы интеллектуального анализа и обработки данных в виде нестационарных нелинейных сигналов и многомерных таблиц данных различной физической природы. Целью работы является разработка архитектур и методов обучения гибридных вэйвлет-нейро-систем на основе метода опорных векторов метода наименьших квадратов в on-line режиме для обработки нестационарных нелинейных данных произвольной природы, которые описывают малой или сверхмалой выборкой. Методы исследования - теория нейронных сетей, теория вэйвлетов, теория оптимизации, методы опорных векторов, теория фаззи-систем. В дипломной работе предложена вэйвлет машина опорных векторов наименьших квадратов (LS-WSVM), реализованная на базе вэйвлет-нейрона (WN), являющегося по сути системой нечеткого вывода Такаги-Сугено нулевого порядка. Предлагаемая LS-WSVM-WN отличается численной простотой, небольшим числом настраиваемых параметров, высоким быстродействием. ВЭЙВЛЕТ-НЕЙРОН, ВЕЙВЛЕТ-НЕЙРО-ФАЗЗИ-СИСТЕМА, АЛГОРИТМ ОБУЧЕНИЯ, МЕТОД ОПОРНЫХ ВЕКТОРОВ НАИМЕНЬШИХ КВАДРАТОВ, ПРОГНОЗИРОВАНИЕ, ЭМУЛЯЦИЯ Об'єкт дослідження - процеси інтелектуального аналіза і обробки даних у вигляді нестаціонарних нелінійних сигналів та багатовимірних таблиць даних довільної фізичної природи. Метою роботи є розробка архітектур і методів навчання гібридних вейвлет-нейро-систем на основі методу опорних векторів найменших квадратів в on-line режимі для обробки нестаціонарних нелінійних даних довільної природи, що описуються короткою або сверхкороткою вибіркою. Методи дослідження - теорія нейронних мереж, теорії вейвлетів, теорія оптимізації, методи опорних векторів, теорія фаззі-систем. У дипломній роботі запропоновано вейвлет машина опорних векторів найменших квадратів (LS-WSVM), що реалізовано на базі вейвлет-нейрона (WN), що є по суті системою нечіткого висновування Такагі-Сугено нульового порядку. Пропонуємая LS-WSVM-WN відрізняється чисельною простотою, невеликим числом налаштовних параметрів, високою швидкодією. ВЕЙВЛЕТ-НЕЙРОН, ВЕЙВЛЕТ-НЕЙРО-ФАЗЗІ-СИСТЕМА, АЛГОРИТМ НАВЧАННЯ, МЕТОД ОПОРНИХ ВЕКТОРІВ НАЙМЕНШИХ КВАДРАТІВ, ПРОГНОЗУВАННЯ, ЕМУЛЯЦІЯ Object of investigation - processes of data mining and data processing which are described in form of nonstationary nonlinear signals and multidimensional data tables of different nature. Research goal is to design of the architecture and learning algorithms for wavelet-neuro-system based on least squares support vector machines in on-line mode for nonlinear nonstationary signal of different nature, which is described by short and very short sample. The research methods - neural network theory, wavelet theory, optimization theory, support vector machines, fuzzy systems theory In the thesis least squares wavelet support vector machines (LS-WSVM), that is realized using wavelet neuron (WN), which is in fact fuzzy inference system by Takagi-Sugeno of zero-order. Proposed LS-WSVM-WN is distinguished by simple computational operation, small number of tuning parameters, high speed operation. WAVELET-NEURON, LEARNING ALGORITHM, LEAST SQUARES SUPPORT VECTOR MACHINES, PREDICTION, EMULATION
