стохастичне поле спостережень, стохастическое поле наблюдений ; адаптивні методи, адаптивные методы ; алгоритми навчання, алгоритмы обучения ; штучні нейронні мережі, ШНМ, искусственные нейронные сети, ИНС

Розглянуто задачу адаптивної обробки (фільтрації, згладжування, прогнозування) широкого класу стохастичних полів спостережень в умовах невизначеності в реальному часі. Запропоновано адаптивний метод зі скалярним коефіцієнтом підсилення для оцінювання параметрів 2-Dмоделей полів спостережень, доведено його збіжність. Отримано адаптивний метод полігармонійного розкладання полів, що не потребує апріорної інформації про їхню структуру і параметри і дозволяє виконувати багатокрокове прогнозування, згладжування і фільтрацію на базі отриманих оцінок. Синтезовано архітектуру спрощеної штучної нейронної мережі для полігармонійного аналізу сигналів, яка дозволяє робити однокрокове прогнозування послідовності, що обробляється, і має підвищену швидкодію. Розв"язано задачу адаптивної обробки послідовностей полів спостережень на основі спрощеної матричної моделі. Отримав подальший розвиток однокроковий оптимальний адаптивний метод настроювання параметрів даної моделі, доведено його збіжність. Отримано багатокроковий метод настроювання параметрів спрощеної матричної моделі типу рекурентного методу найменших квадратів. Запропоновано спрощену структуру матричного аналога рівняння авторегресії. Розроблено нові архітектури штучних нейронних мереж для адаптивної обробки стохастичних полів спостережень. Проведено імітаційне моделювання розроблених методів із застосуванням тестових і реальних даних, що довело працездатність отриманих теоретичних результатів і їх істотну перевагу за різними показниками якості над відомими підходами. Розв"язано актуальні практичні задачі, пов"язані з прогнозуванням та згладжуванням стохастичних полів спостережень.

• УДК // Адаптивні системи керування (детерміновані)