Показать сокращенную информацию
dc.contributor.author | Härter, F. P. | |
dc.contributor.author | Campos Velho, H. F. | |
dc.contributor.author | Хартер, Ф. П. | |
dc.contributor.author | Кампос Вельо, Г. Ф. | |
dc.date.accessioned | 2015-09-07T05:46:40Z | |
dc.date.available | 2015-09-07T05:46:40Z | |
dc.date.issued | 2014 | |
dc.identifier.citation | Härter, F. P. Investigation of different topologies of neural networks for data assimilation / F. P. Härter, H. F. Campos Velho // Вестник ЮУрГУ. Серия Вычислительная математика и информатика.- 2014.- Т. 3. № 4.- С. 46-108.- Библиогр.: с. 106 (8 назв.) | ru_RU |
dc.identifier.issn | 2305-9052 | |
dc.identifier.uri | http://dspace.susu.ac.ru/xmlui/handle/0001.74/5197 | |
dc.description | Fabrício Pereira Harter, professor, Faculty of Meteorology, Pelotas Federal University (Pelotas, RS, Brazil), fabricio.harter@ufpel.edu.br. Haroldo Fraga de Campos Velho, research, Computing and Applied Mathematics, National Institute For Space Research (São José dos Campos, SP, Brazil),haroldo@lac.inpe.br. Фабрисио Перейра Хартер, преподаватель метеорологического факультета, Федеральный университет г. Пелотас, Бразилия. Гарольдо Фрага де Кампос Вельо, исследователь вычислительной и прикладной математики, Национальный институт космических исследований, г. Сан-Жозе-дос-Кампос, Сан Пауло, Бразилия. | ru_RU |
dc.description.abstract | Neural networks have emerged as a novel scheme for a data assimilation process. Neural network techniques are applied for data assimilation in the Lorenz chaotic system. A radial basisfunction and a multilayer perceptron neural networks are trained employing 1000, 2000, and 4000examples. Three different observation intervals are used: 0.01, 0.06 and 0.1 s. The performance ofthe data assimilation technique is investigated for different architectures of these neural networks. Методы нейронных сетей рассматриваются как альтернатива для существующих схем усвоения наблюдений в геофизические численные модели. Алгоритмы радиальных базисных функций и многослойного перцептрона выбраны для экспериментов по ассимиляции данных в простейшую двумерную гидродинамическую модель, т.н. систему динамического хаоса Лоренца. Обучение обоих типов алгоритмов производилось на выборке из 1000, 2000 и 4000 наблюдений поведения параметров системы с интервалами в 0.01, 0.06 и 0.1 сек, и затем в режиме распознавания произведена сравнительная оценка качества усвоения данных различными архитектурами нейронных сетей. | ru_RU |
dc.language.iso | other | ru_RU |
dc.publisher | Издательский центр ЮУрГУ | ru_RU |
dc.relation.ispartof | Вестник ЮУрГу. Серия Вычислительная математика и информатика | ru |
dc.relation.ispartof | Bulletin of South Ural State University. Series 'Computational mathematics and software engineering" | en |
dc.relation.ispartofseries | Вычислительная математика и информатика;Том 3 | |
dc.subject | data assimilation | ru_RU |
dc.subject | Neural Network | ru_RU |
dc.subject | Data Assimilation | ru_RU |
dc.subject | ассимиляция данных | ru_RU |
dc.subject | нейронные сети | ru_RU |
dc.subject | УДК 004.032.26 | ru_RU |
dc.subject | УДК 004.7.032.26 | ru_RU |
dc.subject | ГРНТИ 27.47 | ru_RU |
dc.title | Investigation of different topologies of neural networks for data assimilation | ru_RU |
dc.title.alternative | Исследование различных видов топологии нейронных сетей для ассимиляции данных | ru_RU |
dc.type | Article | ru_RU |