Моделювання векторних випадкових послідовностей на основі поліноміального степеневого канонічного розкладу

Автор(и)

  • Vyacheslav Shebanin Миколаївський національний аграрний університет вул. Паризької комуни, 9, м. Миколаїв, Україна, 54010, Україна
  • Igor Atamanyuk Миколаївський національний аграрний університет вул. Паризької комуни, 9, м. Миколаїв, Україна, 54010, Україна
  • Yuriy Kondratenko Чорноморський національний університет ім. Петра Могили вул. 68-ми десантників, 10, м. Миколаїв, Україна, 54003, Україна

DOI:

https://doi.org/10.15587/1729-4061.2016.80786

Ключові слова:

векторні випадкові послідовності, канонічний розклад, метод генерації реалізацій

Анотація

Отримана математична модель і метод генерації векторних випадкових послідовностей на основі апарату канонічних розкладів В.С. Пугачова. Метод не накладає ніяких істотних обмежень на властивості досліджуваної випадкової послідовності, що досліджується (скалярність, марковість,, монотонність, стаціонарність, ергодичність і т. д.). Результати чисельного експерименту показали високі точності характеристики запропонованого методу для комп’ютерного моделювання векторних випадкових послідовностей

Біографії авторів

Vyacheslav Shebanin, Миколаївський національний аграрний університет вул. Паризької комуни, 9, м. Миколаїв, Україна, 54010

Доктор технічних наук, професор, ректор

Igor Atamanyuk, Миколаївський національний аграрний університет вул. Паризької комуни, 9, м. Миколаїв, Україна, 54010

Доктор технічних наук, доцент

Кафедра вищої та прикладної математики

Yuriy Kondratenko, Чорноморський національний університет ім. Петра Могили вул. 68-ми десантників, 10, м. Миколаїв, Україна, 54003

Доктор технічних наук, професор

Кафедра інтелектуальних інформаційних систем

Посилання

  1. Patton, R. J., Frank, P. M., Clarke, R. N. (1989). Fault diagnosis in dynamic systems: theory and application. USA: Prentice–Hall Inc., 177.
  2. Salem, A.-B. M., Roushdy, M., Hod, R. A. (2005). A Case Based Expert System for Supporting Diagnosis of Heart Diseases. ICGST International Journal on Artificial Intelligence and Machine Learning, 1, 33–39.
  3. Levin, B. R. (1989). Theoretical Foundations of Statistical Radio. Moscow: Radio and Communications, 655.
  4. Kondratenko, Y. Gordienko, E. (2011). Implementation of the neural networks for adaptive control system on FPGA. Proceeding of the 23th International DAAAM Symposium "Intelligent Manufacturing and Automation", 1, 0389–0392.
  5. Kudritsky, V. D. (1982). Predictive reliability of radioelectronic devices. Kyiv: Technics, 176.
  6. Lok, T. M., Lehnert, J. S. (1996). An asymptotic analysis of DS/SSMA communication systems with random polyphase signature sequences. IEEE Transactions on Information Theory, 42 (1), 129–136. doi: 10.1109/18.481784
  7. Greene, W. H. (2003). Econometric analysis. New York: Pearson Education International, 1026.
  8. Ivahnenko, A. G. (1991). Principals of Inductive Theory of Fuzzy Recognition and Prognosis of Random Processes and Events. Kyiv: Technics, 67.
  9. Florin-Catalin (2015). Stochastic Processes and Queueing Theory used in Cloud Computer Performance Simulations. Database Systems Journal, 2, 56–62.
  10. Silva-González, F. L., Ruiz, S. E., Rodríguez-Castellanos, A. (2014). Non-Gaussian Stochastic Equivalent Linearization Method for Inelastic Nonlinear Systems with Softening Behaviour, under Seismic Ground Motions. Mathematical Problems in Engineering, 2014, 1–16. doi: 10.1155/2014/539738
  11. Caballero-Águila, R., Hermoso-Carazo, A., Linares-Pérez, J. (2014). Covariance-Based Estimation from Multisensor Delayed Measurements with Random Parameter Matrices and Correlated Noises. Mathematical Problems in Engineering, 2014, 1–13. doi: 10.1155/2014/958474
  12. Denisov, A. V., Belyanskiy, M. A. (2014). Features simulation randomly inhomogeneous ionosphere in the problem of propagation of radio waves in the near-Earth space. Proceedings of the universities, 57 (3), 13–17.
  13. Bhansali, R. J., Ippoliti, L. (2005). Inverse Correlations for Multiple Time Series and Gaussian Random Fields and Measures of Their Linear Determinism. Journal of Mathematics and Statistics, 1 (4), 287–299. doi: 10.3844/jmssp.2005.287.299
  14. Caballero-Águila, R., Hermoso-Carazo, A., Linares-Pérez, J. (2013). Linear estimation based on covariances for networked systems featuring sensor correlated random delays. International Journal of Systems Science, 44 (7), 1233–1244. doi 10.1080/00207721.2012.659709
  15. García-Ligero, M. J., Hermoso-Carazo, A., Linares-Pérez, J., Nakamori, S. (2010). Derivation of linear estimation algorithms from measurements affected by multiplicative and additive noises. Journal of Computational and Applied Mathematics, 234 (3), 794–804. doi: 10.1016/j.cam.2010.01.043
  16. Feng, J., Wang, Z., Zeng, M. (2013). Distributed weighted robust Kalman filter fusion for uncertain systems with autocorrelated and cross-correlated noises. Information Fusion, 14 (1), 78–86. doi: 10.1016/j.inffus.2011.09.004
  17. Kudritsky, V. D. (2001). Filtering, extrapolation and recognition realizations of random functions. Kyiv: FADA Ltd., 176.
  18. Atamanyuk, I. P. (2005). Algorithm of Extrapolation of a Nonlinear Random Process on the Basis of Its Canonical Decomposition. Cybernetics and Systems Analysis, 41 (2), 267–273. doi: 10.1007/s10559-005-0059-y
  19. Atamanyuk, I. P. (2009). Optimal Polynomial Extrapolation of Realization of a Random Process with a Filtration of Measurement Errors. Journal of Automation and Information Sciences, 41 (8), 38–48. doi: 10.1615/jautomatinfscien.v41.i8.40
  20. Atamanyuk, I. P., Kondratenko, V. Y., Kozlov, O. V., Kondratenko, Y. P. (2012). The Algorithm of Optimal Polynomial Extrapolation of Random Processes. Modeling and Simulation in Engineering, Economics and Management, 78–87. doi: 10.1007/978-3-642-30433-0_9

##submission.downloads##

Опубліковано

2016-10-30

Як цитувати

Shebanin, V., Atamanyuk, I., & Kondratenko, Y. (2016). Моделювання векторних випадкових послідовностей на основі поліноміального степеневого канонічного розкладу. Eastern-European Journal of Enterprise Technologies, 5(4 (83), 4–12. https://doi.org/10.15587/1729-4061.2016.80786

Номер

Том 5 № 4 (83) (2016): Математика та кібернетика - прикладні аспекти

Розділ

Математика та кібернетика - прикладні аспекти

Ліцензія

Авторське право (c) 2016 Vyacheslav Shebanin, Igor Atamanyuk, Yuriy Kondratenko

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.

Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.