Ivakhnenko,A.G。;穆勒,J.-A。 GMDH进一步发展的现状和新问题。 (英语) Zbl 0848.90125号 系统。分析。建模仿真 20,编号1-2,3-16(1995)。 摘要:目前,在噪声和短输入数据采样的情况下,GMDH算法为我们提供了获得函数的最精确近似以及随机过程和事件的预测的唯一方法。最近开发的改进的GMDH算法使用两个排序标准:基本标准和下一阶段的判别标准。有几种方法可以提高准确性和预测验证提前期。第一种方法是使用不同的建模数学语言开发一组修正的GMDH算法,以选择适合对象特征的描述。第二种方法是使用GMDH算法作为神经网络中的活动神经元。第三种方法是将GMDH算法与数学规划算法相结合。在特征变量数量等于输出变量数量的情况下,给出了这种统一的示例。 引用于1文件 MSC公司: 90 C90 数学规划的应用 60G25型 预测理论(随机过程方面) 62M20型 随机过程推断和预测 关键词:函数逼近;随机过程的预测;数据处理的分组方法;排序标准;神经网络 PDF格式BibTeX公司 XML格式引用 \textit{A.G.Ivakhnenko}和\textit{J.A.Müller},系统。分析。模型1。模拟。20,编号1--2,3--16(1995;Zbl 0848.90125)