Журнал «Современная Наука»

СТАТИСТИЧЕСКИЕ И МАШИННЫЕ ПОДХОДЫ К УПРАВЛЕНИЮ ДИНАМИЧЕСКИМИ ПРОЦЕССАМИ НА ОСНОВЕ ГИБРИДНЫХ НЕЙРОСЕТЕВЫХ АРХИТЕКТУР

Новиков Кирилл Сергеевич (Аспирант ФГБОУ ВО «Пензенский государственный университет» )

Юрков Николай Кондратьевич (Доктор технических наук ФГБОУ ВО «Пензенский государственный университет» )

Кошелев Никита Дмитриевич (Аспирант ФГБОУ ВО «Пензенский государственный университет» )

Актуальность и цели. Управление сложными динамическими системами в условиях неопределённости требует моделей, способных совмещать точность, адаптивность и интерпретируемость. Традиционные методы опираются на априорные уравнения и ограничения, но теряют эффективность при частичной наблюдаемости или изменении режима. Машинные методы, в свою очередь, обладают гибкостью, но не гарантируют корректного управления. Целью данной работы является разработка гибридной нейросетевой архитектуры, способной интегрировать принципы оптимального управления и статистического моделирования. Материалы и методы. В структуру модели включены два ключевых компонента: модуль предсказания динамики и обучаемый регулятор. Обучение проводится с учётом совместного критерия, включающего точность состояния и минимизацию управляющего воздействия. В качестве метрик использованы MSE, MAE, коэффициент детерминации R^2 и отклонение от целевого состояния. Результаты. Модель продемонстрировала снижение MSE на 51% по сравнению с LSTM и на 41% по сравнению с LQR. Среднее отклонение от цели уменьшилось на 32%, при этом энергетическая эффективность управления улучшилась. В сценариях с изменением режима достигнуто двукратное снижение максимального отклонения от траектории. Выводы. Гибридный подход объединяет структурные достоинства традиционного управления с адаптивностью нейросетевых методов. Он может применяться в задачах автономного регулирования, предсказательного контроля и системной адаптации, где важны как точность, так и интерпретируемость.

Ключевые слова:гибридные нейросети, управление динамическими системами, оптимальное управление, статистическое моделирование, обучаемые регуляторы, нелинейная динамика, адаптивные архитектуры.

Читать полный текст статьи …

Ссылка для цитирования:
Новиков К. С., Юрков Н. К., Кошелев Н. Д. СТАТИСТИЧЕСКИЕ И МАШИННЫЕ ПОДХОДЫ К УПРАВЛЕНИЮ ДИНАМИЧЕСКИМИ ПРОЦЕССАМИ НА ОСНОВЕ ГИБРИДНЫХ НЕЙРОСЕТЕВЫХ АРХИТЕКТУР // Современная наука: актуальные проблемы теории и практики. Серия: Естественные и Технические Науки. -2025. -№06/2. -С. 165-169 DOI 10.37882/2223-2966.2025.06-2.27

ПРАВОВАЯ ИНФОРМАЦИЯ:
Перепечатка материалов допускается только в некоммерческих целях со ссылкой на оригинал публикации. Охраняется законами РФ. Любые нарушения закона преследуются в судебном порядке.
© ООО "Научные технологии"