Рассмотрены гибридные трёхэтапные алгоритмы идентификации геополей, позволяющие достигнуть высоких квалификационных показателей. Для эффективного решения трудноформализуемых и многоэкстремальных задач восстановления геополей при значительных шумах измерений применены интегрируемые методы оценивания из банка гибридных помехоустойчивых алгоритмов. Показано, что обучение нечётких регрессионных моделей превращается в многоэкстремальную невыпуклую задачу оптимизации. Приведён пример одноэкстремальной задачи нахождения нечёткой линейной регрессионной модели.
Hybrid three-stage algorithms of geofields identification which allows to achieve highly qualified indications. The integrable evaluation methods from the Bank of hybrid noise-eliminating algorithms has been applied for the effective solution of hardly-formed and multiextremal tasks of geofields recovery with significant measurement noise. The study of fuzzy regression models turns into a multi-extremal nonconvex optimization problem. An example of a one-extremal problem of finding a fuzzy linear regression model is given.
The authors declare that there are no conflicts of interest present.