Control Systems and Computers

https://doi.org/10.15407/csc.2023.01.054

Yefimenko S.M. Intelligent Information Technology for Inductive Modeling of Complex Processes on the Basis of Recurrent-and-Parallel Computations. Control Systems and Computers. 2023. № 1. C. 54-64.

УДК 519.163 + 681.5.015

С.М. Єфіменко, кандидат техічних наук, старший науковий співробітник, Міжнародний
науково-навчальний центр інформаційних технологій і систем НАН та МОН України,
03187, м. Київ, просп. Акад. Глушкова,40, Україна, ORCID: https://orcid.org/0000-0003-4179-6909,
syefim@ukr.net

ІНТЕЛЕКТУАЛЬНА ІНФОРМАЦІЙНА ТЕХНОЛОГІЯ ДЛЯ ІНДУКТИВНОГО МОДЕЛЮВАННЯ СКЛАДНИХ ПРОЦЕСІВ НА ОСНОВІ РЕКУРЕНТНО-ПАРАЛЕЛЬНИХ ОБЧИСЛЕНЬ

Вступ. Індуктивне моделювання належить до найбільш сучасних та ефективних методів обчислювального інтелекту. Важливим критерієм ефективності програмних засобів для індуктивного моделювання є час виконання. Рекурентне оцінювання параметрів і розпаралелювання обчислень є одними з найбільш ефективних засобів досягнення високої продуктивності таких програмних продуктів. Оскільки рекурентні обчислення забезпечують зменшення кількості операцій у декілька разів, а паралельні обчислення ¾ в залежності від кількості процесорів, то поєднання цих двох потужних апаратів дозволяє отримати синергетичний ефект у вигляді раніше недосяжного збільшення продуктивності алгоритмів МГУА.

Мета цієї роботи ¾ розробити інтелектуальну інформаційну технологію для індуктивного моделювання складних процесів на основі рекурентно-паралельних обчислень задля підвищення ефективності інформаційної підтримки оперативних управлінських рішень.

Методами дослідження є методи математичного моделювання та математичної статистики.

Результати. Розроблено інтелектуальну інформаційну технологію індуктивного моделювання складних процесів за даними спостережень, високий рівень продуктивності якої досягається застосуванням нової концепції поєднання ефективності рекурентних і паралельних обчислень. Застосування такої технології в сучасних інтелектуальних інформаційно-аналітичних системах забезпечує суттєве підвищення ефективності та обґрунтованості прийняття управлінських рішень у задачах оперативного управління складними процесами. Наведено приклад використання розробленої технології для оцінки та прогнозування інвестиційної діяльності в Україні.

Висновки. Інтелектуальною можна вважати технологію, яка реалізує дії з обробки інформації високого рівня, такі як аналіз даних і прийняття рішень. Інформаційна технологія, розроблена в цій роботі, є інтелектуальною, оскільки вона використовує сучасні та ефективні методи обчислювального інтелекту. Крім того, вона в автоматичному режимі враховує складність задачі та наявні обчислювальні ресурси для прийняття ефективних рішень за встановлений користувачем час. Розроблена інтелектуальна інформаційна технологія базується на новій концепції поєднання ефективності рекурентних і паралельних обчислень.

Завантажити повний текст! (англійською)

Ключові слова: індуктивне моделювання, інтелектуальна технологія, МГУА, COMBI, MULTI, векторна авторегресія, рекурентно-паралельні обчислення.

1. Madala, H.R., Ivakhnenko, A.G. Inductive Learning Algorithms for Complex Systems Modeling. London, Tokyo: CRC Press Inc., 1994. 384 p.
2. Farlow S.J. (ed.) Self-organizing methods in modeling: GMDH type algorithms. New York, Basel: Marcel Decker Inc. (1984).
3. Yefimenko S. Comparative Effectiveness of Parallel and Recurrent Calculations in Combinatorial Algorithms of Inductive Modelling. Proceedings of the 4th International Conference on Inductive Modelling ICIM’2013, Kyiv, 2013. pp. 231-234.
4. Stepashko V.S. A Combinatorial Algorithm of the Group Method of Data Handling with Optimal Model Scanning Scheme. Soviet Automatic Control. 1981. 14(3), pp. 24–28.
5. Stepashko V.S. and Efimenko S.N. “Sequential Estimation of the Parameters of Regression Model,” Cybernetics and Systems Analysis, Springer New York, July, 2005, vol. 41, no. 4, pp. 631-634.
6. Stepashko V., Yefimenko S. “Parallel algorithms for solving combinatorial macromodelling problems,” Przegląd Elektrotechniczny (Electrical Review), ISSN 0033-2097, 85 (4), 2009, pp. 98-99.
7. Stepashko V.S. A Finite Selection Procedure for Pruning an Exhaustive Search of Models. Soviet Automatic Control. 1983. 16(4), pp. 88–93.
8. Lutkepohl H. Introduction to multiple time series analysis, Springer-Verlag. Berlin and New York, 1991. ISBN 0-387-53194-7.
9. Stepashko V.S., Yefimenko S.M., Pavlov A.V. Recurrent-and-Parallel GMDH Algorithms for High-Performance Computing. Control Systems and Computers. 2019. № 3, pp. 38-51.
10. Yefimenko S. “Comparative Effectiveness of Parallel and Recurrent Calculations in Combinatorial Algorithms of Inductive Modelling,” Proceedings of the 4th International Conference on Inductive Modelling ICIM’2013, Kyiv, 2013, pp. 231-234.
11. Yefimenko S., Stepashko V. “Intelligent Recurrent-and-Parallel Computing for Solving Inductive Modeling Problems,” Proceedings of 16th International Conference on Computational Problems of Electrical Engineering (СРЕЕ-2015), Lviv, Ukraine, 2015, pp. 236-238.
12. Stepashko V., Voloschuk R., Yefimenko S. Technology of Quantitative Integral Assessment and Forecast of a Complex Economic System Performance / In: Advances in Intelligent Systems and Computing V. AISC book series. Volume 1093. Cham: Springer, 2021. pp. 841-856.
13. Yefimenko S. “Building Vector Autoregressive Models Using COMBI GMDH with Recurrent-and-Parallel Computations,” In: Advances in Intelligent Systems and Computing II / N. Shakhovska, V. Stepashko, Editors. AISC book series, vol. 689, Cham: Springer, 2018, pp. 601-613.

Надійшла 12.02.2023