Time Series Analysis with Modular Neural Networks

Dotajā darbā ir demonstrēta moduļveida neirontīklu sistēmas struktūra, kas ļauj apstrādāt atšķirīga ilguma diskrētas laika rindas. Par praktisko uzdevumu sistēmas iespēju testēšanai tika izvēlēta produkta dzīves cikla fāzes mainīšanas momenta prognozēšanas problēma. Galvenais darba mērķis ir atšķirīga ilguma diskrēto laika rindu apstrādes iespējas ar vienu neironu tīklu – vienu sistēmas moduļi, pētīšana. Darbā tika veikti eksperimenti ar mērķi izpētīt sistēmas efektivitātes izmaiņas atkarībā no atšķirīga ilguma laika rindu skaita, kuru apstrādā atsevišķs neirontīkls. Minētais parametrs tika mainīts sākot ar gadījumu, kad katrs neirontīkls apstrādā laika rindas ar vienu noteikto ilgumu, un palielinājās līdz brīdim, kad sistēmā tika izveidots tikai viens neirontīkls, kas apstrādāja visas apmācības kopā pieejamas laika rindas. Pēc iegūtiem rezultātiem var secināt, ka atkarībā no sistēmas apmācībai izmantojamas datu kopas ir iespējams noteikt laika rindu ilguma intervālu katram sistēmas neirontīklu modulim, kas ļaus sistēmai funkcionēt ar pieņemamo efektivitāti, salīdzinot ar gadījumu, kad katrs sistēmas modulis ir spējīgs apstrādāt tikai viena ilguma diskrētas laika rindas