Artificial Neural Network based on mathematical models used in quantum computing

• Autorzy: Ruciński Dariusz

Identyfikatory

DOI

10.34739/si.2022.27.02

• Języki publikacji: EN

Abstrakty

EN

The article is a proposition of a new approach to building a neural model based on the system of Day-Ahead Market operating at TGE S.A. The reason for the proposed method is an attempt to find a better model for the DAM system. The proposed methodology is based on using mathematical models used in quantum computing. All calculations performed on learning the Artificial Neuron Network are based on operations described in Hilbert space. The main idea of calculations is to replace the data from the decimal system into the quantum state in Hilbert space and perform learning operations for a neural model of the DAM system in a special manner which relay on the teaching model for each position of the quantum register for all data. The obtained results were compared to the “classical” neural model with the use of a comparative model.

Słowa kluczowe

EN

neural modeling; Day-Ahead Market; Polish Power Exchange; Hilbert space; quantum inspired neural network

• Wydawca: Wydawnictwo Uniwersytetu Przyrodniczo-Humanistycznego w Siedlcach
• Czasopismo: Studia Informatica : systems and information technology
• Rocznik: 2022
• Tom: Vol. 2(27)
• Strony: 27--48
• Opis fizyczny: Bibliogr. 38 poz. rys., tab.

Twórcy

autor

Ruciński Dariusz

• PhD Student at Institute of Computer Science Siedlce University of Natural Sciences and Humanities Faculty of Exact and Natural Sciences Institute of Computer Science ul. 3 Maja 54, 08-110 Siedlce, Poland

Bibliografia

• 1. Beale M. H. [at all] (1992-2019) Neural Network Toolbox™ User's Guide, by The MathWorks, Inc, pp. 846.
• 2. Bernhardt Ch. (2020) Obliczenia kwantowe dla każdego (English: Quantum computing for everyone ). WN PWN, Warszawa, stron 202.
• 3. Chudy. M. (2012) Wprowadzenie do informatyki kwantowej (English: Introduction to quantum computing). AOW EXIT, Warszawa, stron 84.
• 4. Faliński M. (2020) Wstęp do sztucznej inteligencji (English: Introduction to artificial intelligence). WN PWN, Warszawa, stron 332.
• 5. Giaro K., Kamiński M. (2003). Wprowadzenie do algorytmów kwantowych (English: Introduction to quantum algorithms). AOW EXIT, Warszawa, stron 165.
• 6. Heller M. (2016) Elementy mechaniki kwantowej dla filozofów.(English: Elements of quantum physics for philosophers). Copernicus Center Press, stron 191.
• 7. Hirvensalo M. (2004) Algorytmy kwantowe (English: Quantum algorithms ). WSiP, stron 244. 8. Jankowski N. (2003) Ontogeniczne sieci neuronowe. O sieciach zmieniających swoją strukturę (English: Ontogenic neural networks. With networks changing their structure ). AOW EXIT, Warszawa, stron 312.
• 9. Johnston E. R., Harrigan N., Gimeno-Segovia M. (2020) Komputer kwantowy. Programowanie, algorytmy, kod (English: Quantum computer. Programming, algorithms, code ). Hellion, Warszawa, stron 278.
• 10. Kosiński R. A. (2002) Sztuczne sieci neuronowe. Dynamika nieliniowa i chaos (English: Artificial neural networks. Nonlinear dynamics and chaos). WNT, Warszawa, stron 195.
• 11. Korbicz J., Obuchowicz A., Uciński D. (1994) Sztuczne sieci neuronowe. Podstawy i zastosowania (English: Artificial neural networks. Basics and applications), Problemy Współczesnej Nauki. Teoria i zastosowania, Informatyka, AOW PLJ, stron 251.
• 12. Mańdziuk J. (2000) Sieci neuronowe typu Hoppfielda (English: Hoppfield neural networks). Teoria i przykłady zastosowań. AOW EXIT, Warszawa, stron 262.
• 13. Marecki J. (2001) Metody sztucznej inteligencji (English: Artificial intelligence methods),. WSIiZ, Bielsko-Biała, stron 115.
• 14. Monteiro, [at all] (2016) Short-Term Price Forecasting Models Based on Artificial Neural Networks for Intraday Sessions in the Iberian Electricity Market. Energies, 9, 721 stron 24.
• 15. Obuchowicz A., Patan K. (1998) Sieć neuronów dynamicznych jako generator residuów. Optymalizacja architektury (English: Dynamic neuron network as a residual generator. Architecture optimization). Materiały III Konferencji nt. "Diagnostyka procesów przemysłowych", Gdańsk-Jurata, s. 101-106.
• 16. Osowski S. (2013) Sieci neuronowe do przetwarzania informacji (English: Neural networks for information processing). OW PW, Warszawa, stron 422.
• 17. Patterson J., Gibson A. (2017) Deep Learning. Praktyczne wprowadzenie (English: Deep Learning. A practical introduction), Helion, Warszawa, stron 451.
• 18. Ruciński D. (2020) Neural modelling of electricity prices quoted on the Day-Ahead Market of TGE SA shaped by environmental and economic factors. Studia Informatica. System and Information Technology, Vol. 1-2(24), pp 25-35.
• 19. Ruciński D., (2019), The Influence of the Artificial Neural Network Type on the Quality of Learning on the Day-Ahead Market Model at Polish Electricity Exchange Join-Stock Company, Studia Informatica. System and Information Technology, Vol. 1-2(23), pp. 77- 93.
• 20. Ruciński D. (2018) Modelowanie neuronalne cen na Towarowej Giełdzie Energii Elektrycznej wspomagane algorytmem ewolucyjnym oraz inspirowane obliczeniami kwantowymi (English: Price neural modeling on the Polish Power Exchange supported by an evolutionary algorithm and inspired by quantum calculations). Rozprawa doktorska pod kierunkiem dr hab. inż. Jerzego Tchórzewskiego, prof. UPH w Siedlcach, IBS PAN, Warszawa, str. 137.
• 21. Ruciński D. (2017) The neural modelling in chosen task of Electric Power Stock Market. Studia Informatyka. System and Information Technology. Vol. 1-2(21). Publishing House of University of Natural Science, pp. 1-22.
• 22. Ruciński D., Tchórzewski J. (2016). Neural modeling of the electric power stock market in usage of MATLAB and Simulink tools for the day ahead market data. Journal of Information System in Management, Vol. 5 (2) pp. 215-226.
• 23. Ruciński D. (2016) Neural-evolutionary Modeling of Polish Electricity Power Exchange. Electrical Power Networks, EPNet 2016, Katedra Energoelektryki PWr., Institute of Power Engineering and Control Systems of Lviv Polytechnic National University, Ukraine and O/Wrocławski SEP, XPlore Digital Library, Szklarska Poręba 2016 r., pp. 1- 6.
• 24. Ruciński D., Kłopotek M., Tchórzewski J. (2005) Self-Organizing Wireless Ad-hock Sensor Networks. Studia Informatica. Systems and Information Technology, Volume: 1(5), Publishing House of University of Podlasie, pp. 69-80.
• 25. Rutkowska D., Piliński M., Rutkowski L. (1997). Sieci neuronowe, algorytmy genetyczne i systemy rozmyte (English: Neural networks, genetic algorithms and fuzzy systems), WN PWN, Warszawa - Łódź, stron 411.
• 26. Rutkowski L. (2020) Metody i techniki sztucznej inteligencji (English: ). WN PWN, Warszawa, stron 435.
• 27. Sawerwain M., Wiśniewska J. (2015) Informatyka kwantowa. Wybrane obwody i algorytmy (English: Quantum informatics. Selected circuits and algorithms). WN PWN, Warszawa, stron 371.
• 28. Sengupta, S. (2014-02). Neural Networks and Applications. http://nptel.ac.in/ courses/117105084, [dostęp: 15-08-2017, 04-02-2021].
• 29. Tadeusiewicz R. (2021) Archipelag Sztucznej Inteligencji (English: The Artificial Intelligence Archipelago). AOW EXIT, Warszawa, stron 125.
• 30. Tadeusiewicz R., Korbicz J., Rutkowski L., Duch W. (2013) Sieci neuronowe w inżynierii biomedycznej (English: Neural networks in biomedical engineering). Seria: Inżynieria biomedyczna. Podstawy i zastosowania, tom 9, Akademicka OW EXIT, Warszawa, str. 746.
• 31. Tadeusiewicz R. (2013) Biocybernetyka. Metodologiczne podstawy dla inżynierii biomedycznej (English: Biocybernetics. Methodological foundations for biomedical engineering). WN PWN, Warszawa, str. 236.
• 32. Tchórzewski J. (2021) Metody sztucznej inteligencji i informatyki kwantowej w ujęciu teorii sterownia i systemów (English: Methods of artificial intelligence and quantum computing in terms of the theory of control and systems). WN UPH, Siedlce, stron 343.
• 33. Tchórzewski J., Ruciński D. (2019) Evolutionaly-Supported and Quantum-Inspired Neural Modeling Applied to the Polish Electric Power Exchange. 2019 Progress in Applied Electrical Engineering (PAEE), IEEE Digital Library, Kościelisko, pp. 1-8.
• 34. Tchórzewski J., Ruciński D., Domański P. (2018) Artificial neural network inspired by quantum computing solutions using the movement model of the PR-02 robot. ITM Web of Conferences 19, pp. 1-2.
• 35. Tchórzewski J. (1992) Cybernetyka życia i rozwoju systemów (English: Cybernetics of life and systems development). Wyd. WSRP, Siedlce, stron 408.
• 36. Tchórzewski J., Kłopotek M. (2001), A case study in neural network evolution. Prace Instytutu Podstaw Informatyki Polskiej Akademii Nauk, Nr 943, pp. 1-12.
• 37. Żurada J., Barski M., Jędruch W. (1996) Sztuczne sieci neuronowe. Podstawy teorii i zastosowania (English: Artificial neural networks. Fundamentals of theory and application), WN PWN, Warszawa, stron 375.
• 38. www.tge.pl – the website of Polish Power Exchane. [access: 04-09-2022].

Uwagi

Opracowanie rekordu ze środków MEiN, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2022-2023).