ВИЯВЛЕННЯ ШУМІВ У ФРАКТАЛЬНИХ ЧАСОВИХ РЯДАХ ЗА ДОПОМОГОЮ МАШИННОГО НАВЧАННЯ
DOI:
https://doi.org/10.34185/1991-7848.itmm.2024.01.033Ключові слова:
фрактальний броунівський рух, рівень шуму, згорткова нейронна мережаАнотація
Дослідження спрямоване на розробку методу для оцінки рівня шуму у реалізаціях фрактального броунівського руху за допомогою методів машинного навчання. Було запропоновано метод класифікації траєкторій фрактального броунівського руху з різними рівнями аддитивного шуму із застосуванням згорткової нейронної мережі. Згенеровані фрактальні часові ряди з шумом були використані як вхідний набір даних. Шумові компоненти мали різні значення дисперсії, що дозволило дослідити вплив рівня шуму на систему. Результати свідчать о ефективністі використання методів машинного навчання для оцінки шуму у фрактальних системах.
Посилання
Lyudmyla Kirichenko, Tamara Radivilova, and Vitalii Bulakh. Machine Learning in Classification Time Series with Fractal Properties. Data, Vol.4, issue 1, 5, pp.1-13, 2019.
José R. León, Alain Latour, Corinne Berzin (2014). Inference on the Hurst parameter and the variance of diffusions driven by fractional Brownian motion
(lecture notes in statistics, 216). Springer.
Robert H. Shumway. David S. Stoffer: (2011) Time Series Analysis and Its Applications With R Examples. Springer
Eli Stevens. Luca Antiga. Thomas Viehmann (2020). Deep Learning
with PyTorch. Manning.
