Запропоновано методику композиції апроксимаційного та нейромережевого підходів до вирішення задач оцінювання та прогнозування, що дозволяє підвищити точність оцінювання у задачах побудови моделі "склад - властивість" щодо результатів кожного з цих методів. Розвинуто математичну модель даного класу як апроксимуючих поліномів, що за рахунок композиції аргументів дозволяє суттєво зменшити необхідний об'єм навчальної вибірки за умов збереження необхідної точності моделі. Удосконалено спосіб ініціалізації матриці вагових коефіцієнтів для штучних нейронних мереж шляхом ортогоналізації векторів входу нейронів прихованого шару, що дозволило зменшити потрібний об'єм навчальної вибірки для досягнення заданої точності та підвищити швидкість навчання у порівнянні з традиційними методами. Удосконалено методику розбиття вибірки на навчальну, тестову та контрольну шляхом максимізації репрезентативності кожної з них, який дозволяє підвищити якість прогнозування за умов малої вибірки для будь-яких методів, за яких застосовуються наведені вибірки. Запропоновано методику оцінки температури плавлення триацилгліцеринів за жирнокислотним скадом на базі вдосконалених для умов малої вибірки методів побудови функціоналу "склад - властивість". Розвинуто методику оцінки температури плавлення жирів за їх складом, що дозволяє суттєво підвищити точність прогнозування. Розроблено математичну модель системи підтримки прийняття рішень для розв'язання задачі синтезу жирів з необхідними якостями.

  Завантажити