- Теоретические основы функционирования нейроструктурных моделей сложных систем, отличающиеся возможностью описания широкого класса моделей суперпозиционной линейно-нелинейной по параметрам структуры, развивающие и обобщающие нейросетевой подход к моделированию.
- Единый подход к конструктивному построению нейроструктурных моделей, отличающийся монотонностью снижения ошибки обучения при наращивании структуры на основе использования различных функций активации нейроноподобных элементов, позволяющий реализовать универсальные аппроксимационные способности моделей.
- Блочные рекуррентно-итерационные процедуры для конструирования и обучения нейроструктурных моделей, отличающиеся применением формулы блочного псевдообращения Клайна, повышающие эффективность численных методов обучения моделей за счет псевдообращения матриц меньших размеров.
- Класс численных методов обучения нейроструктурных моделей, отличающихся декомпозицией вектора весов и применением линейно-нелинейного соотношения на основе псевдообращения, численного метода дифференцирования обычных и взвешенных псевдообратных матриц и учетом суперпозиционного характера моделей, позволяющих снизить размерность пространства итерационно оцениваемых параметров.
- Модифицированный интервальный алгоритм Гревиля для оценивания интервального псевдообращения матриц, отличающийся возможностью вычисления псевдообратных матриц к интервальным и позволяющий оценивать устойчивость операции псевдообращения для исходной матрицы в численных методах обучения моделей.
- Численный метод глобального обучения нейроструктурных моделей, отличающийся применением алгоритмов интервального анализа и сжимающих операторов на основе учета суперпозиционного линейно-нелинейного характера моделей, обеспечивающий выполнение универсальных ап-проксимационных свойств, а также позволяющий повысить адекватность моделирования.
- Алгоритм оптимального управления сложными системами с упреждением на основе нейроструктурного моделирования, который учитывает динамические свойства систем и суперпозиционный характер моделей и позволяет синтезировать управление с учетом его влияния на поведение объекта в течение нескольких периодов.
- Структура и методика применения комплекса программ для нейрострук-турного моделирования и анализа данных в информационных системах, которые отличаются инвариантностью относительно предметной области и позволяют применять разработанные алгоритмы построения и численные методы обучения для принятия оптимальных управленческих решений.
1.Сараев П. В. Нейросетевое моделирование и управление ценовой политикой // Системы управления и информационные технологии. – 2004. – № 1 (13). – С. 37–41.
2.Сараев П. В. Многошаговое оптимальное нейросетевое управление // Проблемы управления. – 2008. – Т. 5. – С. 14–18.
3.Сараев П. В. Обучение нейронных сетей прямого распространения на основе декомпозиции вектора весов и псевдообращения // Нейрокомпьютеры: разработка, применение. – 2010. – Т. 1. – С. 65–74.
4.Сараев П. В. Нелинейный метод наименьших квадратов и блочные рекур-рентно-итерационные процедуры в обучении нейронных сетей // Управление большими системами. – 2010. – Т. 30. – С. 24–34.
5.Сараев П. В. Исследование эффективности рекуррентного алгоритма Клай-на блочного псевдообращения матриц // Вести ВУЗов Черноземья. – 2010. – № 3 (21). – С. 48–53.
6.Сеньковская И. С., Сараев П. В. Автоматическая кластеризация в анализе данных на основе самоорганизующихся карт Кохонена // Вестник Магнитогорского государственного технического университета им. Г.И. Носова. – 2011. – Т. 2. – С. 78–79.
7.Сараев П. В. Комплекс программ для аналитической обработки информации на основе универсального хранилища данных // Системы управления и информационные технологии. – 2011. – № 3.1 (45). – С. 194–199.
8.Сараев П. В. Численные методы интервальной оптимизации в нейросете-вом моделировании // Вести ВУЗов Черноземья. – 2011. – № 2(24). – С. 30– 34.
9.Погодаев А. К., Сараев П. В., Тарнакина М. Н. Псевдообращение и численный метод дифференцирования псевдообратных матриц в обучении нейро-сетевых моделей // Системы управления и информационные технологии. – 2011. – № 4.1 (46). – С. 166–170.
10.Сараев П. В. Развитие нейросетевого моделирования сложных систем на основе нейроструктурного подхода // Вести ВУЗов Черноземья. – 2012. – № 2(28). – С. 30–35.
11.Сараев П. В. Конструктивный подход построения нейроструктурных моделей на основе блочного псевдообращения // Вестник ВГТУ. – 2012. – Т. 8, № 7-1. – С. 46–49.
12.Сараев П. В. Интервальный алгоритм Гревиля для оценивания интервальных псевдообратных матриц // Системы управления и информационные технологии. – 2012. – № 2.2 (48). – С. 289–293.
13.Сараев П. В., Тарнакина М. Н. Численный метод дифференцирования взвешенных псевдообратных матриц // Вести ВУЗов Черноземья. – 2012. – № 3(29). – С. 44–46.
14.Saraev P. V. Numerical methods of interval analysis in learning neural network // Automation and Remote Control. – 2012. – Vol. 73, No. 11. – Pp. 1865–1876.
15.Сараев П. В., Сяглова Ю. Е. Анализ эффективности выбора функций активации в нейросетевом прогнозировании // Системы управления и информационные технологии. – 2012. – № 3.1 (49). – С. 165–169.
16.Погодаев А. К., Блюмин С. Л., Сараев П. В. Нейроструктурное моделирование: некоторые результаты и направления развития // Вести ВУЗов Черноземья. – 2012. – № 4(30). – С. 30–37.
Монографии
17.Блюмин С. Л., Шуйкова И. А., Сараев П. В., Черпаков И. В. Нечеткая логика: алгебраические основы и приложения: Монография. – Липецк: ЛЭГИ, 2002. – 112 с.
18.Сараев П. В. Идентификация нейросетевых моделей: Монография. – Липецк: ЛГТУ, 2011. – 94 с.
Зарегистрированные программы для ЭВМ
19.Сараев П. В. Глобальное обучение нейроструктурных моделей на основе интервальных методов. – М.: Роспатент, 2012. – № 2012619533 от 22.10.2012.
20.Сараев П. В. Нейроструктурное моделирование. – М.: Роспатент, 2012. – № 2012619586 от 24.10.2012.
Статьи в других изданиях и материалы конференций
21.Блюмин С. Л., Сараев П. В. Псевдообращение в обучении искусственных нейронных сетей // Современные проблемы информатизации в непромышленной сфере и экономике: Труды V Международной электронной научной конференции. – Воронеж: Центрально-Черноземное книжное издательство, 2000. – С. 112–113.
22.Блюмин С. Л., Сараев П. В. Алгоритм Голуба-Перейры в обучении искусственных нейронных сетей // Нейроинформатика и ее приложения: Материалы VIII Всероссийского семинара. – Красноярск: ИПЦ КГТУ, 2000. – С. 18–19.
23.Блюмин С. Л., Сараев П. В. Рекуррентно-итерационные процедуры для адаптивного конструирования нейронных сетей // Нейроинформатика и ее приложения: Материалы IX Всероссийского семинара. – Красноярск: ИПЦ КГТУ, 2001. – С. 20–21.
24.Сараев П. В. Использование псевдообращения в задачах обучения искусственных нейронных сетей // Электронный журнал «Исследовано в России».– 2001.– Т. 29.– С. 308–317. – http://zhurnal.ape.relarn.ru/articles/2001/029.pdf.
25.Blyumin S. L., Saraev P. V. Reduction of adjusting weights space dimension in feedforward artificial neural networks training // IEEE International Conference on Artificial Intelligence Systems: Proceedings. – 2002. – Pp. 242–247.
26.Сараев П. В. Исследование эффективности алгоритмов обучения нейронных сетей // Нейроинформатика и ее приложения: Материалы X Всероссийского семинара. – Красноярск: ИПЦ КГТУ, 2002. – С. 120–122.
27.Сараев П. В. Функциональное наполнение программного комплекса для нейросетевого моделирования // Современные проблемы информатизации в непромышленной сфере и экономике: Сборник трудов (выпуск 8) по итогам VIII международной открытой научной конференции. – Воронеж: Центрально-Черноземное книжное издательство, 2003. – С. 115–116.
28.Сараев П. В. Обучение нейро-нечетких систем структуры ANFIS с учетом линейно-нелинейной по параметрам структуры // Нейроинформатика и ее приложения: Материалы XI Всероссийского семинара. – Красноярск: ИПЦ КГТУ, 2003. – С. 146–147.
29.Сараев П. В. Снижение размерности пространства оптимизируемых весов при обучении искусственных нейронных сетей прямого распространения // Перспективные информационные технологии и интеллектуальные системы. – 2003. – Т. 2 (14). – С. 4–8. – http://pitis.tsure.ru/Journal14.htm.
30.Сараев П. В. Понейронное обучение двухслойных нейронных сетей на основе минимизации модифицированного функционала // Нейроинформатика и ее приложения: Материалы XIII Всероссийского семинара. – Красноярск: ИПЦ КГТУ, 2005. – С. 101–103.
31.Сараев П. В. Нейросетевое управление в экономической деятельности коммерческих организаций // Управление большими системами. – 2006. – Т. 14. – С. 147–158.
32.Сараев П. В. Применение методов интервального анализа в обучении нейронных сетей // Искусственный интеллект. Интеллектуальные и многопроцессорные системы-2006. Материалы Седьмой Международной научно-технической конференции. – Т. 2. – Таганрог: Изд-во ТРТУ, 2006. – С. 216– 220.
33.Сараев П. В. Нейронные сети: многоэкстремальность и глобальная оптимизация // IX Всероссийская научно-техническая конференция «Нейро-информатика-2007»: Сборник научных трудов. – № 3. – М.: МИФИ, 2007. – С. 144–151.
34.Блюмин С. Л., Погодаев А. К., Сараев П. В. Нейросетевой подход к оценке эффективности select-запросов в сложных информационных системах // Сборник трудов Международной научной конференции «Сложные системы управления и менеджмент качества CCSQM’2007». – Т. 1. – Старый Оскол: ООО «ТНТ», 2007. – С. 11–13.
35.Сараев П. В. Многошаговое оптимальное управление на основе нейросе-тевых моделей динамических систем // Теория активных систем: Труды международной научно-практической конференции. – Т. 1. – М.: ИПУ РАН, 2007. – С. 287–291.
36.Сараев П. В. Комбинирование интервальных методов и псевдообращения в глобальном обучении нейронных сетей // X Всероссийская научно-техническая конференция «Нейроинформатика-2008»: Сборник научных трудов. – № 2. – М.: МИФИ, 2008. – С. 208–215.
37.Сараев П. В. Глобальное обучение нейронных сетей // III Всероссийская молодежная конференция по проблемам управления (ВМКПУ’ 2008): Труды. – М.: ИПУ РАН, 2008. – С. 277–278.
38.Сараев П. В. Программное обеспечение для исследования методов гарантированной параметрической идентификации // VIII Международная конференция «Идентификация систем и задачи управления» SICPRO’09: Труды. – М.: ИПУ РАН, 2009. – С. 573–577.
39.Сараев П. В. Алгоритмы псевдообращения матриц в моделировании: вычислительные аспекты // VI Всероссийская школа-семинар молодых ученых «Управление большими системами»: Сборник трудов. – № 1. – Ижевск: ООО Информационно-издательский центр «Бон Анца», 2009. – С. 306–312.
40.Сараев П. В. Обобщающая способность нейронных сетей прямого распространения // VII Всероссийская школа-конфереция молодых ученых «Управление большими системами»: Сборник трудов. – Т. 2. – Пермь: Пермский государственный технический университет, 2010. – С. 346–355.
41.Погодаев А. К., Сараев П. В., Татаринов Е. П. Универсальное информационное и программное обеспечение для аналитической обработки данных // Информационные технологии моделирования и управления. – 2010. – № 4 (63). – С. 543–550.
42.Сараев П. В. Исследование псевдообращения матриц в математическом пакете Maple // XI Международная научная конференция, посвященная 70-летию профессора В.П. Дьяконова «Системы компьютерной математики и их приложения»: Материалы. – № 11. – Смоленск: Изд-во СмолГУ, 2010. – С. 62–65.
43.Сараев П. В. Гарантированная интервальная оптимизация в конструктивном построении нейросетевых моделей // Вторая традиционная всероссийская молодежная летняя школа «Управление, информация и оптимизация». – М.: ИПУ РАН, 2010. – С. 144–151.
44.Блюмин С. Л., Погодаев А. К., Сараев П. В. Система поддержки принятия решений на основе последовательного подхода к анализу данных в крупномасштабных производствах // Пятая международная конференция «Управление развитием крупномасштабных систем» (MLSD’2011): Материалы. – Т. 2. – М.: ИПУ РАН, 2011. – С. 287–289.
45.Блюмин С. Л., Сараев П. В. Выявление периодичностей в нейросетевом прогнозировании динамики активных систем // Международная научно-практическая конференция «Теория активных систем – 2011»: Труды. – Т. 1. – М.: ИПУ РАН, 2011. – С. 15–18.
46.Сараев П. В. Нелинейные нейронные сети Вольтерра в моделировании динамических систем // Современные проблемы информатизации в экономике и обеспечении безопасности: Сборник трудов. – № 17. – Воронеж: Научная книга, 2012. – С. 101–103.
47.Сараев П. В. Интервальное псевдообращение // Современные проблемы информатизации в анализе и синтезе программных и телекоммуникационных систем: Сборник трудов. – № 17. – Воронеж: Научная книга, 2012. –С. 279–281.
48.Сараев П. В., Сяглова Ю. Е. Система нейросетевого прогнозирования // Современные сложные системы управления X HTCS-2012: Материалы Международной научно-технической конференции. – Старый Оскол: ТНТ, 2012. – С. 161–164.
49.Сараев П. В. Оптимальное управление с упреждением на основе методов нейроструктурного моделирования // Материалы IX Всероссийской школы-конференции молодых ученых «Управление большими системами». – Т. 1. – Липецк: Изд-во Першина Р.В., 2012. – С. 88–94.
50.Saraev P. Interval Pseudo-Inverses: Computation and Applications // 15th GAMM-IMACS International Symposium on Scientific Computing, Computer Arithmetic and Verified Numerics SCAN-2012: Book of abstracts. – Novosibirsk: Institute of Computational Technologies, 2012. – Pp. 153–154.