Multivariate non-stationary time series predictor based on an adaptive neuro-fuzzy approach

• Autorzy: Bodyanskiy Y. , Tyshchenko O. , Wójcik W.

Warianty tytułu

PL

Adaptacyjny neuro-rozmyty predyktor wielowymiarowych niestacjonarnych szeregów czasowych

• Języki publikacji: EN

Abstrakty

EN

The article presents adaptive system for multidimensional non-stationary time series prediction in real-time. Its architecture matches of an adaptive filters and uses parallel connected neo-fuzzy neurons. Efficiency of the system was assessed during simulation test based on solving chaotic Lorenz attractor identification.

PL

W artykule przedstawiony został adaptacyjny system predykcji w czasie rzeczywistym wielowymiarowych, niestacjonarnych szeregów czasowych. Architektura tego systemu jest zgodna z architekturą filtrów adaptacyjnych, wykorzystując równolegle połączone neo-rozmyte neurony. Efektywność systemu została oceniona podczas badań symulacyjnych zadania identyfikacji atraktora Lorenza.

Słowa kluczowe

EN

non-stationary time series; neuro-fuzzy system

PL

niestacjonarne szeregi czasowe; systemy neuro-rozmyte

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Elektronika : konstrukcje, technologie, zastosowania
• Rocznik: 2013
• Tom: Vol. 54, nr 8
• Strony: 10--13
• Opis fizyczny: Bibliogr. 16 poz., rys.

Twórcy

autor

Bodyanskiy Y.

• Kharkiv National University of Radio Electronics

autor

Tyshchenko O.

• Kharkiv National University of Radio Electronics

autor

Wójcik W.

• Lublin University of Technology

Bibliografia

• [1] Haykin S., Neural Networks. A Comprehensive Foundation, Upper Saddle River, N. J., Prentice Hall, Inc., 1999.
• [2] Mandic D. P., J. A. Chambers, Recurrent Neural Networks for Prediction, Chichester, John Wiley & Sons, 2001.
• [3] Jang J. S. R., et al., Neuro-Fuzzy and Soft Computing. A Computational Approach to Learning and Machine Intelligence, Upper Saddle River, N. J., Prentice Hall, Inc., 1997.
• [4] Bodyanskiy Ye. V., et al., An adaptive filter-predictor of multidimensional non-stationary time series, Systemy obróbki informacji, vol. 4 (78), 2009, 23-28 (in Russian).
• [5] Yamakawa T., et al., A neo fuzzy neuron and its applications to system identification and prediction of the system behavior, Proc. 2nd Int. Conf. on Fuzzy Logic and Neural Networks “IIZUKA-92”, 1992, 477-483.
• [6] Sugeno M., An introductory survey of fuzzy control, Information Sciences, vol. 36, 1985, 59-83.
• [7] Jang J. -S. R., Sun C. -T., Functional equivalence between radial basis function networks and fuzzy inference systems, IEEE Trans, on Neural Networks, vol. 4, 1993, 156-159.
• [8] Park J., Sandberg I. W., Universal approximation using radial-basisfunction network, Neural Computation, vol. 3, 1991, 246-257.
• [9] Wang L. X., Fuzzy systems are universal approximators, Proc. 1st IEEE Conf. on Fuzzy Systems, 1992, 1163-1169.
• [10] Landim R. P., et al., A neo-fuzzy-neuron with real-time training applied to flux observer for an induction motor, Proc. Vth Brazilian Symp. on Neural Networks, 1998, 67-72.
• [11] Bodyanskiy Ye. V., Tyshchenko O. K., An adaptive neo-fuzzy predictor of multidimensional non-stationary time series, Systemy obróbki informacji, vol. 3(101), T. 2, 2012, 8-12 (in Russian).
• [12] Bodyanskiy Ye., et al., Multidimensional non-stationary time series prediction based on an adaptive neo-fuzzy model, Visnyk Nacionalnogo universytetu «Lvivska politehnyka» “Komputerni nauky ta informaciyni tehnologii”, Nº 744, 2012, 312-320 (in Ukrainian).
• [13] Bodyanskiy Ye., et al., An adaptive learning algorithm for a neuro-fuzzy network, Computational Intelligence. Theory and Applications, 2001, 68-75.
• [14] Bodyanskiy Ye., et al., An adaptive learning algorithm for a neo fuzzy neuron, Proc. 3rd Int. Conf. of European Union Society for Fuzzy Logic and Technology (EUSFLAT 2003), 2003, 375-379.
• [15] Rudenko O. G., et al., An adaptive predictive algorithm of stochastic sequences, Avtomatyka, Nº 1, 1979, 51-54.
• [16] Caines P. E., Lafortune S., Adaptive control with recursive identification for stochastic linear systems, IEEE Trans, on Autom. Control, vol. 29, Nº 4, 1984, 312-321.