Введение
Глава 1. Топологии с подкреплением, фильтр Калмана и нейронные сети .
Обзор и анализ современного состояния 11
Обучение с подкреплением 12
Адаптивные критики 12
Алгоритм SARSA 16
Обобщенная схема адаптивных критиков 19
Варианты расчета подкрепления 21
Достоинства и недостатки сетей адаптивной критики 23
Нейронные сети 24
Нейронные сети для прогнозирования 26
Общий принцип решения задач прогнозирования с помощью нейронных сетей 28
Фильтр Калмана 30
Фильтр Калмана для прогнозирования 32
Фильтр Калмана для цветного шума помех 35
Некоторые замечания к теории фильтров Калмана 36
Ансамбль фильтров Калмана 37
Скользящая средняя 37
Метод МГУА 38
Выводы к главе 1 40
Глава 2. Модифицированный адаптивный критик с фильтром Калмана 41
Объект управления 43
Модуль прогнозирования рабочего параметра (Решатель) 43
Блок переобучения прогнозирующей нейронной сети 46
Одномерная, простая система с подкреплением на базе фильтра Калмана 49
Модуль критика на базе фильтра Калмана (вариант Q-критика) 54
Модуль критики на базе фильтра Калмана (вариант V-критика)
Выводы к главе 2 60
Глава 3. Модельные задачи с разработанной топологией 61
Введение 61
Построение механической торговой системы 61
Особенности финансовых рынков 61
Основные принципы построения МТС 63
Модель МТС финансового рынка на базе АКФК 68
Модель ITIL + адаптивный критик на базе ФК 71
Выводы к главе 3 92
Глава 4. Экспериментальная часть 94
Исследование МТС на базе АКФК 94
Исследование системы управления ИТ - отделом 103
Выводы к главе 4 110
Заключение 112
Приложение А (программные продукты) 113
Приложение Б (справочное) 1135
Список литературы:
