Ограниченность концепции локальной стационарности сигналов в информационно-измерительных системах (ИИС) и информационно-управляющих системах (ИУС), отражающих состояние контролируемого объекта (подсистемы), требует использования более совершенных методов анализа и обработки сигналов - время-частотных преобразований и алгоритмов для нейронных сетей (НС). Существенной является проблема, когда контроль состояния подсистемы (объекта) ведется в условиях отсутствия воздействия некоторых параметров состояния на датчики измерительной системы, т. е. при неполной информации. Решение этой проблемы получено на основе анализа уравнений динамики системы объект-ИИС (в пространстве параметров состояния) и использования алгоритмов темпоральных нейронных сетей. Первая (из 3) часть статьи рассматривает особенности структуры и алгоритмов обучения НС, которые могут адекватно отражать динамику данных и контролируемого процесса. Структуры нейронных сетей анализируются на основе понятия нейронного фильтра, а обучение - на основе время-зависимого алгоритма обратного распространения.
展开▼
