Hibrid-neurális rendszermodellezés

Nemlineáris rendszerek fekete doboz modellezése zajos mérési adatokból, hibrid-neurális megközelítés. Elvi lehetőségek és korlátok, a gyakorlati alkalmazások speciális kérdései. A kutatás tárgya olyan modellezési eljárások vizsgálata, új eljárások kidolgozása és alkalmazása, melyek elsődlegesen mérési adatok alapján, tanuló algoritmusok alkalmazásával dolgoznak. A kutatás elsősorban kismértékű nemlinearitást tartalmazó lineáris, illetve nemlineáris, komplex idővariáns rendszerek modellezését, identifikációját célozza. A kidolgozandó módszerekben több - az utóbbi időben elterjedt - paradigma (neurális hálók, szabályalapú módszerek, stb.) előnyös tulajdonságainak ötvözését kívánjuk megvalósítani és néhány az eddigiekben felmerült, alapvető kérdésre szeretnénk választ találni. A legfontosabb kérdések, melyekre a kutatás választ keres a következők: milyen következménye van a véges számú tanítópontból való tanításának? Hogyan dönthető el, hogy a mérési adataink konzisztensek-e? Nem redundánsak-e az adatok, minden adat felhasználására szükség van-e? Mit tegyünk ha hiányoznak adataink, hogyan kezeljük a zajos, pontatlan adatokat, stb.? A fenti kérdések megválaszolásán túl a kutatás során olyan új hibrid architektúrák kidolgozása és vizsgálata is cél, amelyek képesek mind a szabályokban, mind a példákban megtestesülő tudás hatékony együttes felhasználására. A kutatás során kiemelten kívánunk foglalkozni a hatékony implementáció lehetőségeivel is.