Издательство СО РАН

Издательство СО РАН

Адрес Издательства СО РАН: Россия, 630090, а/я 187
Новосибирск, Морской пр., 2

soran2.gif

Baner_Nauka_Sibiri.jpg


Яндекс.Метрика

Array
(
    [SESS_AUTH] => Array
        (
            [POLICY] => Array
                (
                    [SESSION_TIMEOUT] => 24
                    [SESSION_IP_MASK] => 0.0.0.0
                    [MAX_STORE_NUM] => 10
                    [STORE_IP_MASK] => 0.0.0.0
                    [STORE_TIMEOUT] => 525600
                    [CHECKWORD_TIMEOUT] => 525600
                    [PASSWORD_LENGTH] => 6
                    [PASSWORD_UPPERCASE] => N
                    [PASSWORD_LOWERCASE] => N
                    [PASSWORD_DIGITS] => N
                    [PASSWORD_PUNCTUATION] => N
                    [LOGIN_ATTEMPTS] => 0
                    [PASSWORD_REQUIREMENTS] => Пароль должен быть не менее 6 символов длиной.
                )

        )

    [SESS_IP] => 54.81.185.66
    [SESS_TIME] => 1710844371
    [BX_SESSION_SIGN] => 9b3eeb12a31176bf2731c6c072271eb6
    [fixed_session_id] => 1c04be52cd2c2dce995151bb5dd19eea
    [UNIQUE_KEY] => 330aabec90287922cc4f7a8c21da8832
    [BX_LOGIN_NEED_CAPTCHA_LOGIN] => Array
        (
            [LOGIN] => 
            [POLICY_ATTEMPTS] => 0
        )

)

Поиск по журналу

Автометрия

2013 год, номер 3

АДАПТИВНОЕ ПРОГНОЗИРОВАНИЕ РАЗВИТИЯ ЛЕСНЫХ ПОЖАРОВ НА ОСНОВЕ РЕКУРРЕНТНЫХ НЕЙРОННЫХ СЕТЕЙ

В.И. Козик, Е.С. Нежевенко, А.С. Феоктистов
Институт автоматики и электрометрии СО РАН, 630090, г. Новосибирск, просп. Академика Коптюга, 1
kozik@iae.nsk.su
Ключевые слова: компьютерное моделирование, лесной пожар, рекуррентная нейронная сеть, усвоение данных, фильтр Калмана
Страницы: 44-55
Подраздел: АНАЛИЗ И СИНТЕЗ СИГНАЛОВ И ИЗОБРАЖЕНИЙ

Аннотация

Предложен метод моделирования динамического процесса на поверхности Земли, например лесного пожара, с помощью рекуррентной нейронной сети. Описан процесс обучения нейронной сети, аналогичный процессу усвоения данных в ГИС-технологиях. Рассмотрен метод ускорения обучения нейронной сети путём использования калмановской фильтрации. Проанализирована эффективность её применения и определены значения параметров нейронной сети, при которых целесообразно использовать фильтр Калмана.