Проведено узагальнення результатів сучасних досліджень в галузі математичного моделювання з використанням відомих методів побудови метамоделей, тобто сурогатних моделей, для ресурсоємних в сенсі обчислювальних затрат та часу задач, визначення їх переваг та недоліків, особливостей застосування на практиці. Проведено класифікацію за ознакою застосованого методу створення метамоделей, оцінено трудомісткість та доцільність використання різних технік. Особливу увагу приділено побудові метамоделей для багатовимірних складних за топологією гіперповерхонь відгуку. Критично розглянуто геометричні, стохастичні, та евристичні класи застосовуваних метамоделей. Як представникам класу геометричних метамоделей сконцентрована увага приділялася поліноміальним та сплайн-метамоделям. Наведено короткий опис головних ідей їх побудови, необхідний математичний апарат реалізації, перелічено недоліки та переваги коректного практичного використання в числових експериментах. Аналогічним чином розглянуто стохастичні сурогатні моделі, до яких доцільно віднести регресійні моделі на основі гаусівських процесів або крігінг-моделі та моделі на радіально-базисних функціях. Розглянуто клас евристичних метамоделей, до складу якого входять моделі на штучних нейронних мережах, моделі з використанням методу групового урахування аргументів та машин опорних векторів. Аналізу підлягали регресійні моделі на основі радіально-базисних нейронних мереж та багатошарових персептронів. Узагальнено і систематизовано результати теоретичних досліджень щодо сурогатних моделей з використанням множинних нейронних мереж, тобто асоціативних машин. Наведено особливості побудови цих машин статичної структури з різноманітними методами отримання колективного узгодженого для композиту мереж рішення, зокрема з усередненням по ансамблю та підсиленням. Зазначено ефективність підвищення точності апроксимаційних можливостей метамоделей за допомогою гібридних технік одночасного використання технологій нейронних мереж та адитивної регресії, декомпозиції області пошуку. Показано, що для гіперповерхонь відгуку складної топології з метою підвищення точності апроксимації має сенс використання гібридного підходу, що полягає в одночасному застосуванні технологій декомпозиції області пошуку та нейронних мереж, побудованих на техніках асоціативних машин з різними методами отримання рішення.

• Гальченко Володимир Якович (технічні науки)
• Трембовецька Руслана Володимирівна (1970–) (технічні науки)
• Тичков Володимир Володимирович (технічні науки)

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"