Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: niestacjonarne szeregi czasowe

Sortuj według:

Ogranicz wyniki do:

Modelowanie probabilistyczne procesu przesyłania komunikatów w systemach rozproszonych

Wesołowski Z.

Prace Instytutu Elektrotechniki

2016

Z. 272

105--118

W artykule omówiono zagadnienia modelowania probabilistycznego oraz analizy statystycznej procesu przesyłania komunikatów w systemach rozproszonych. Przyjęto, że modelami probabilistycznymi przepływności linków sieciowych są niestacjonarne ze względu na wartość oczekiwaną procesy stochastyczne. Analizy statystyczne prowadzi się na podstawie danych generowanych przez symulator stochastyczny procesu przepływów danych w sieciach komputerowych. Dane generowane przez symulator są interpretowane jako realizacje niestacjonarnych procesów stochastycznych. Przytoczono przykład wykorzystania proponowanego podejścia do badania procesu przesyłania danych w prostym systemie rozproszonym.

The article discusses an issue of the probabilistic modeling of the message passing process in distributed systems. It has been assumed that the probabilistic models of bitrates in network links are non-stationary due to the expected value of stochastic processes. Statistical analysis is carried out on the basis of data generated by the stochastic simulator of the data flow process in computer networks. The data generated by the simulator have been interpreted as realizations of stochastic processes. The paper includes an example of the application of the presented approach to research the message passing process in a simple distributed system.

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

Bodyanskiy Y., Tyshchenko O., Wójcik W.

Elektronika : konstrukcje, technologie, zastosowania

2013

Vol. 54, nr 8

10-13

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.

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.