МОДЕЛИРОВАНИЕ СИСТЕМ И ПРОЦЕССОВ УДК 629.76.05 doi:10.15217/issn1684-8853.2015.2.57 АЛГОРИТМ МАКСИМИЗАЦИИ ЭНТРОПИИ ОБУЧАЮЩЕЙ ВЫБОРКИ И ЕГО ИСПОЛЬЗОВАНИЕ ПРИ СИНТЕЗЕ МОДЕЛЕЙ ПРОГНОЗА ДИСКРЕТНЫХ СОСТОЯНИЙ НЕЛИНЕЙНЫХ ДИНАМИЧЕСКИХ СИСТЕМ А. В. <...> А. Ф. Можайского, Санкт-Петербург, РФ Постановка проблемы: для описания процессов функционирования и прогнозирования состояния неисправных, но работоспособных сложных технических объектов, находящихся в условиях нестационарного воздействия факторов внешней среды, часто используется математический аппарат, учитывающий нелинейный и вероятностный характер процессов функционирования его подсистем, например автоматы с памятью, вероятностные автоматы или логиковероятностные модели. <...> При этом низкая достоверность прогнозных моделей дискретных состояний обусловлена статистическими свойствами обучающей выборки. <...> Цель работы — повысить достоверность класса прогнозных моделей дискретных состояний нелинейных динамических систем, получаемых на основе последовательного статистического обучения при заданном времени их обучения. <...> Результаты: сформулирована общая постановка задачи синтеза нейросетевой прогнозной модели, использующей кодированную информацию о дискретных состояниях нелинейной динамической системы, с учетом ограничений на время ее обучения. <...> Разработан алгоритм обучения прогнозной модели, учитывающий требования к ее применению. <...> Предложен алгоритм максимизации энтропии обучающей выборки, позволяющий значимо повысить достоверность нейросетевой прогнозной модели дискретных состояний с последовательным обучением и улучшить данный показатель по сравнению с наилучшей авторегрессионной полиномиальной моделью. <...> Приведен пример прогнозной модели дискретных состояний бортовой аппаратуры космического аппарата в условиях нештатного функционирования. <...> Практическая значимость: разработанные алгоритмы позволяют сравнительно быстро синтезировать достоверную <...>