%A Vasilyev, Alexander Nikolaevich %A Gorokhovskaya, Vladislava Alekseevna %A Korchagin, Alexander Pavlovich %A Lazovskaya, Tatyana Valerievna %A Tarkhov, Dmitry Albertovich %A Chernukha, Daria Antonovna %D 2021 %T Исследование прогностических возможностей многослойной нейроморфной модели, управляемой данными, на примере осциллятора Дуффинга %K %X Переход к Индустрии 4.0 выдвигает на первый план области исследования, требующие качественного описания сложной системы, например, киберфизической, в виде адаптивной динамической модели, так как сами системы подвержены с течением времени изменениям под влиянием различных, иногда неизвестных, факторов. В данной работе тестируется новый метод уточнения математической модели и построение среднесрочного прогноза на основе обработки динамических измерений, полученных при взаимодействии объекта моделирования и программного обеспечения в реальном времени. В контексте необходимости сокращения времени обработки и сложности модели мы используем наши многослойные модели на основе сеточных методов, применяемых к интервалу времени переменной длины. Разработанные нами методы являются альтернативным способом построения приближённых функциональных решений дифференциальных уравнений. В данной работе этот подход используется для решения уравнения Дуффинга с переменным параметром. В качестве базовых методов используются универсальные итерационные формулы для дифференциальных уравнений первого порядка в виде различных модификаций метода Эйлера и метод Штёрмера для уравнений второго порядка. В статье приведены результаты вычислений времени выполнения итераций и их сравнительный анализ, а также предварительная оценка наличия значимых отличий применяемых схем при помощи критерия Фридмана для выборки с неизменными параметрами и попарное сравнение по критерию Уилкоксона для определения характера различия величин. Вычисления проводились с помощью пакета Wolfram Mathematica, а анализировались с помощью встроенных функций пакета Excel. Полученные данные помогают оптимизировать использование схем в практических целях, таким образом, проведенное нами сравнительное исследование свойств разных моделей позволяет выбрать наиболее подходящую модель в зависимости от конкретной решаемой задачи. На основе этих данных в будущем возможна разработка системы, автоматически выбирающей наиболее приемлемый (из представленных) метод решения задачи, определяемой входными данными. %U http://sitito.cs.msu.ru/index.php/SITITO/article/view/790 %J Современные информационные технологии и ИТ-образование %0 Journal Article %R 10.25559/SITITO.17.202103.625-632 %P 625-632%V 17 %N 3 %@ 2411-1473 %8 2021-09-30