Інтелектуальний аналіз тимчасових рядів. Сингулярні декомпозиції і гранулярний компьютинг в завданнях інтелектуального аналізу тимчасових рядів

Заголовок (російською): 
Интеллектуальный анализ временных рядов. Сингулярные декомпозиции и гранулярный компьютинг в задачах интеллектуального анализа временных рядов
Заголовок (англійською): 
Intellectual analysis of temporal rows. Singular decoupligs and granular компьютинг are in the tasks of intellectual analysis of temporal rows
Автор(и): 
Ю.Н. Минаев
О.Ю. Филимонова
Ю.И. Минаева
Г.А. Филимонов
Автор(и) (англ): 
Yu.N. Minaev
O.Yu. Filimonova
Ju.I. Мinаеva
G.A. Filimonov
Ключові слова (укр): 
часовий ряд, сингулярне розкладення, матрицизація, інформаційна гранула, нечітка множина, найближчий Кронекерів добуток, тензор
Ключові слова (рус): 
временной ряд, сингулярное разложения, матрицизация, информационная гранула, нечеткое множество, ближайшее Кронекерово произведение, тензор
Ключові слова (англ): 
time series, singular decomposition, matricing, information granule, fuzzy set, nearest Kronecker product, tensor
Анотація (укр): 
Розглядаються питання інтелектуального аналізу даних, представлених часовими рядами (ЧР), на підставі моделей гранулярного компютингу, що вміщують матрицизацію вікна ЧР з наступним сингулярним розвиненням. Показано можливість представлення чіткого гранульованого ЧР нечітким та нечіткого гранульованого ЧР – чітким.
Анотація (рус): 
Рассматриваются вопросы интеллектуального анализа данных, представленных временными рядами (ВР), на основе моделей гранулярного компьютинга, включающих матрицизацию окна ВР с последующим сингулярным разложением. Показана возможность представления четкого гранулированного ВР нечетким и нечеткого гранулированного ВР – четким.
Анотація (англ): 
The questions of intellectual data analysis, presented by time series, on the base of granular computing models, include matricing time series windows with following singular decomposition are observed. The possibility of presentations crisp granular time series by fuzzy granular TS and fuzzy granular time series by crisp granular TS is shown. Intelligent analysis of time series is made by structuring time series windows of tensors of rank 2 matrices with dimension m´m or m´n, (which play the role of information granules (tensor-granules). Structuring the input data is represented as a square matrix that can significantly reduce the size of the task, open up opportunities for solving tasks in forecasting matrix structuring the time series in the use of the nearest neighbour method, which serve not the individual elements of a sequence, but tensors. Is shown the existence of dualism between crisp and fuzzy time series regardless of conditions the granular clear time series may be represented in the form of fuzzy time series, which has an element of FS-granule, and vice versa, any fuzzy time series can be presented clearly. Observe that the duality affects only granulated time series.
Публікатор: 
Київський національний університет будівництва і архітектури
Назва журналу, номер, рік випуску (укр): 
Управління розвитком складних систем, номер 18, 2014
Назва журналу, номер, рік випуску (рус): 
Управление развитием сложных систем, номер 18, 2014
Назва журналу, номер, рік випуску (англ): 
Management of Development of Complex Systems, Number 18, 2014
Мова статті: 
Русский
Формат документа: 
application/pdf
Документ: 
28.pdf
Дата публікації: 
30 Май 2014
Номер збірника: 
18
Розділ: 
ІНФОРМАЦІЙНІ ТЕХНОЛОГІЇ В ЕКОНОМІЦІ
Університет автора: 
1 Национальный авиационный университет, Киев; 2 Киевский национальный университет строительства и архитектуры, Киев
Литература: 

1.    Финн В.К. Об интеллектуальном анализе данных.// Новости Искусственного интеллекта, № 3, 2004.
– С.58-66.

2.    Zadeh, L. (1996). Fuzzy logic = computing with words. IEEE Transactions on Fuzzy Systems, 94(2),103–111.

3.    Zadeh, L. (1999). From computing with numbers to computing with words -from ma-nipulation of measurements to manipulation of perceptions. IEEE Transactions on Circuits and Systems Part I: Fundamental Theory and Applications,
– 45 (1), 105–119.

4.    Zadeh, L., & Kacprzyk, J. (Eds.). (1999a). Computing with words in information/ intelligent systems 1 (foundations). Studies in fuzziness and soft computing (Vol. 33). New York: Springer-Verlag. – Pp. 383–406.

5.    Zadeh, L., & Kacprzyk, J. (Eds.). (1999b). Computing with words in information /in-telligent systems 2 (applications). Studies in fuzziness and soft computing (Vol. 34). New York: Springer-Verlag. – Рр.988-1006.

6.    Ярушкина, Н. Г. Интеллектуальный анализ временных рядов: учебное пособие // Н. Г. Ярушкина,
Т. В. Афанасьева, И. Г. Перфильева. – Ульяновск: УлГТУ, 2010. – 320 с.

7.    Song Q., Chissom B. Fuzzy time series and its models // Fuzzy Sets and Systems. – №54 (1993). – Р. 269-277.

8.    Herrera F., Alonso S., Chiclana F.,Herrera-Viedma E. Computing with words in decision making: foundations, trends and prospects. Fuzzy Optim Decis Making (2009) 8. – Р. 337–364.

9.    Cichocki A. Tensor Decompositions: A New Concept in Brain Data Analysis? arXiv: 1305.0395v1 [cs.NA] 2 May 2013. – 19 pp.

10.  Минаев Ю.Н., Филимонова О.Ю., Минаева Ю.И. Тензорные модели НМ-гранул и их применение для решения задач нечеткой арифметики. «Искусственный интеллект». – №2, 2013. – С. 18-31.

11.  Van Loan Ch.F. Block Matrix Computations and the Singular Value Decomposition A Tale of Two Ideas. – Інтернет-ресурс.

12.           Van Loan Ch.F. The ubiquitous Kronecker product. Journal of Computational and applied mathematics. 2000,
123 (1-2): 85-100.

References: 

1.      Finn V.K. (2004). An intellectual analysis of data -Lease. // News of artificial intelli -ta, № 3, 2004. – P.58- 66

2.      Zadeh, L. (1996). Fuzzy logic = compu-ting with words. IEEE Transactions on Fuzzy Systems, 94 (2),103-111.

3.      Zadeh, L. (1999). From computing with numbers to computing with words-from ma-nipulation of measurements to manipulation of perceptions. IEEE Transactions on Circuits and Systems Part I: Fundamental Theory and Applications, 45 (1), 105-119.

4.      Zadeh, L., & Kacprzyk, J. (Eds.). (1999a). Computing with words in information / intelligent systems 1 (foundations). Studies in fuzziness and soft computing (Vol. 33). New York: Springer-Verlag. – Pp. 383-406.

5.      Zadeh, L., & Kacprzyk, J. (Eds.). (1999b). Computing with words in information / in-telligent systems 2 (applications). Studies in fuzziness and soft computing (Vol. 34). New York: Springer-Verlag. – Rr.988 -1006.

6.      Yarushkina N.G., Afanasiev T. V., Perfil'eva I.G. (2010) Intellectuals -tion time-series analysis: a tutorial // Ulyanovsk: UlSTU 2010. – 320 р.

7.      Song Q., Chissom B. (1993). Fuzzy time se-ries and its models // Fuzzy Sets and Systems. - № 54 (1993) – Р. 269-277.

8.      Herrera F., Alonso S., Chiclana F., Herrera-Viedma E. (2009). Computing with words in deci-sion making: foundations, trends and prospects. Fuzzy Optim Decis Making (2009) 8: 337-364.

9.      Cichocki A.(2013) Tensor Decompositions: A New Concept in Brain Data Analysis? arXiv: 1305.0395v1 [cs.NA] 2 May 2013. – 19 pp.

10.   Minaev Y.N., Filimonov O.Y., Minaeva J. I. (2013). Tensor model HM - granules and their application to solving fuzzy arithmetic - tics. "Artificial Intelligence". – № 2, 2013. – P.18-31.

11.   Van Loan Ch.F. Block Matrix Computa-tions and the Singular Value Decomposition A Tale of Two Ideas. - Services Internet resource.

12.   Van Loan Ch.F. (2000) The ubiquitous Kronecker product. Journal of Computational and ap-plied mathematics. 2000, 123 (1-2): 85-100.