GMDH articles for forecasting, books about data mining, polynomial neural networks PNN, free pdf publications and source code download (original) (raw)

Authors

Title

Comment, Date of submission

Size, Type

Books

Madala H.R., Ivakhnenko A.G.

'Inductive Learning Algorithms for Complex Systems Modeling'

Contents (52k pdf)
Preface (225k)
Chapter 1 'Introduction' (646k)
Chapter 2 (part1 part2) 'Inductive learning algorithms' (1.7+0.7Mb)
Chapter 3 'Noise Immunity and Convergence' (2.3Mb)
Chapter 4 'Physical Fields and Modelling' (1Mb)
Chapter 5 'Clusterization and Recognition' (1.8Mb)
Chapter 6 'Applications' (2.6Mb)
Chapter 7 'Inductive and Deductive Networks' (1Mb)
Chapter 8 'Basic Algorithms and Programs Listings' (1.7Mb)
Bibliography (249kb)

A professional monograph that surveys new types of learning algorithms for modelling complex scientific systems in science and engineering.
The book features:
- Discussions of algorithms structure, noise immunity and behavior;
- Presents comprehensive coverage of all types of algorithms useful for this subject;
- Applications of various modelling activities (e.g. environmental systems, stock market, economic systems, noise immunity, decision trees, data mining and neural networks);
- Includes recent studies on clusterization and recognition problems;
- Provides listings of algorithms in FORTRAN that can be run directly on PCs.

It is a valuable reference for graduate students and scientists in applied mathematics, statistics, computer science. The book will also benefit engineers and research workers from applied fields such as stock market, weather forecasting, air and water pollution studies, economics, finances, hydrology, agriculture and time series evaluations.
CRC Press, 1994 - 368p.- ISBN 0-8493-4438-7

17M
pdf

��������� �.�., �������� �.�.

������������������ �������������

����������


� ���������� ����������� �������� ������������� �������� �������� � ��������� �� ������ ���������� � �������� �����. �������� �������� ������� ������ ��������� ������������������ ����- � ������������� ���������� ������������� � ����������� ��������� ������� ��������� ��������. ��� ������������ � ������� ������������� � ��������������� ������� ������. - ����: ����. �����, 1985. - 216 �. (in russian)

11M
pdf

��������� �.�.

����������� ����� ��������������� ������� ������� ������

����������


����� ��� ����������, ��������� � ������������ ��������� �������� ����� � �������, ���������� � ������� ��������������� �������������. �������� �������� ���������� ��������������� ������� � ����� ��������. ����: ������� �����, 1981 � 296 �. (in russian)

17M
pdf

zip

��������� �.�., ����������� �.�.

������������� ������� ������ �� ����������������� ������

����������


����������� ������ �������������� �������������� ������� ������� ������. ������ ����������� ��������� ������ ��� ������������� ���������������. �������� ����������� ������������� �� �������� ����������. ������� ��������� ����. - �.: ����� � �����, 1987 � 119 �. (in russian)

13M
djvu

��������� �.�.,
������ �.�.

��������������� �������������� �������

Selbstorganisation von Vorhersagemodellen

���������� � �����������


� ����� ����������� �������� ����������� ����� � ������� ������������� ������� ������ �� ����. ����������� ����� ������������� ������� ��� ������� ������. ���� ������� ������� �������� �����. - ����: ����i��, 1985; Berlin: Verlag Technik, 1984, 223 �. (in russian)

11M
pdf

��������� �.�.

������������ ��������������� � ���������� �������� ���������

����������
������ ��������


� ����� ���������� ����� ������ � ��������������� ������������� ������� ������, ���������� �� �������� ������������� ���������������. �������� ����������� ���������� ����. ���� ������� ������� ����� ������������� ��������, ������������� �������, ������������� � ������������ �������� ��� ����� ����� �������� ������. - ����: ����i��, 1975, 312 �. (in russian)

13M
pdf

���� �.�.

����������� ����������� �� �������������

����


� ����������� �������� ������������� �������� ������������� ����������� �� ������������� ���������-���������� ����, �������, ����������� ������� �������, ��������� � �������'����, ����� ��������� �� �� ��������� ��'���� �����������. ��������� ��������� �� ��� ������������ ���������� ������� ������������ �� ��������� � ������ Statistica 5. - ���: ����, 2001.� 170 �. (in ukrainian)

6.4M
pdf

Hamparsum Bozdogan (ed.)

Statistical Data Mining and Knowledge Discovery

Contents


Contains several articles devoted to data mining tasks solution in different fields.
Chapman&Hall/CRC, 2004 � 595p.- ISBN 1-58488-344-8

14M
zip

�������� �.�.,
������ �.�.,
������ �.�.

�������������� ������ ���������� ���������

���������� � ��������

����������� ������ ������� ������������ �����, ������ � �������� �������, ������ ������ ������ � ������������ ���������. ����������� ������������ � ���������� �����, ������ ����������� � �������� ����. - �: ����� � �����, 1997.� 112 �. (in russian)

4.4M
pdf

��������� �.�.,
����� �.�., �������� �.�., et al.

���������� �� ������� ���������� �������������

����������

������� ������ ���������� ���� � ����������� �� ����������. �������� ��� �������� �� ������ FORTRAN � ALGOL-60. - ����: ����i��, 1980, 184 �. (source code, in russian)

7.4M
pdf

Reviews

Ivakhnenko A.G., Ivakhnenko G.A.

The Review of Problems Solvable by Algorithms of the Group Method of Data Handling

Review in english

163k
pdf doc

��������� �.�., ��������� �.�.

����� �����, �������� �� ���������� ������ ���������� ����� ���������� (����)

Review in russian

296k
pdf doc

Ivakhnenko A.G., Müller J.-A.

Developments of Self-Organising Modeling in Prediction and Analysis of Stock Market

Old basic review

273k
pdf doc

��������� �.�., ��������� �.�.

���������� ������ ������������� �� ������ �������� ���������� ������

Review in ukrainian

212k
pdf doc

��������� �.�., ��������� �.�.

����������� ������ ������� � ��������������� ������� ������������� ������

Review in russian

302k
doc

GMDH algorithms

Parametric

Fujimoto K., Nakabayashi S.

Applying GMDH Algorithm to Extract Rules From Examples

A new approach to rule extraction method in Data Mining area. The correction rate of GMDH rules was higher than Tsukimoto's method of rule extraction from Back-propagation neural network and also higher than C4.5, 08.01

187k
pdf

Aksyonova T.I., Volkovich V.V., Tetko I.V.

Robust Polynomial Neural Networks In Quantative-Structure Activity Relationship Studies

Mathematical description of multilayered iterative GMDH-type rPNN algorithm that provides robust linear and nonlinear polynomial regression models, rPNN is modified GN algorithm of GMDH (created by Yurachkovsky Yu.P.), 08.01

270k
pdf

Shelyekhova V.Yu.

Harmonic Algorithm GMDH for Large Data Volume

Harmonic GMDH algorithm

495k
pdf

Ivakhnenko A.G., Ivakhnenko G.A., Müller J.-A.

Self-Organization of Neural Networks with Active Neurons

Twice-Multilayered NN algorithm

220k
pdf

Zaychenko Yu.P., Kebkal A.G., Krachkovckii V.F.

The Fuzzy Group Method of Data Handling and Its Application to the Problems of the Macroeconomic Indexes Forecasting

Fuzzy GMDH algorithm

39k
pdf
russ

Ivakhnenko A.G., Ivakhnenko G.A., Andrienko N.M.

Inductive Computer Advisor for Current Forecasting of Ukraine Macroeconomy

Forecasting after "what-if" scenario

151k
pdf

Oh Sung-Kwun, Pedrycz W.

The design of self-organizing Polynomial Neural Networks

PNN algorithm, Inf.Sci. 141, (2002)

658k
pdf

Dong-Won Kim, Gwi-Tae Park

A Design of EA-based Self-Organizing Polynomial Neural Networks using Evolutionary Algorithm for Nonlinear System Modeling

Genetic GMDH: EA-based SOPNN is a sophisticated and versatile architecture which can construct models for limited data set as well as poorly defined complex problems. Comprehensive comparisons show that the performance of the EA-based SOPNN is significantly improved in the sense of approximation and prediction abilities, 01.03

518k
pdf

Ivakhnenko A.G., Kozubovskij S.F., Kostenko Yu.V.

Objective System Analysis of Macroeconomic Systems

Objective Systems Analysis (OSA) algorithm

182k
pdf

Non-Parametric: Clusterization and Analogs Complexing algorithms

Ivakhnenko G.A.

Model-Free Analogues As Active Neurons For Neural Network Self-Organization

Analogs Complexing algorithm

140k
pdf

Ivakhnenko A.G., Wunsch D. et al.

Algebraic Approach and Optimal Physical Clusterization in Interpolation Problems of Artificial Intelligence

Concept of Optimal Physical Clusterization

86k
pdf

Kondo T., Pandya A.S.

GMDH-type Neural Networks with a Feedback Loop and their Application to the Identification of Large-spatial Air Pollution Patterns

The number of hidden layers and the number of neurons in the hidden layers are determined so as to minimize the error criterion defined by Akaike's Information Criterion (AIC). The identification results are compared with those identified by other identification methods.

316k
pdf

Ivakhnenko G.A., Ivakhnenko A.G.

Optimal Data Clusterization by Inductive Sorting-Out Method

Abstract about Objective Computer Clusterization algorithm in text format

4k
txt

Applications

Sungshin K., Jaeyong K., Chong-Bum L., Min-Young K.

Fuzzy Decision Support System to the Prediction of Ozone Concentrations

The dynamic polynomial neural network (DPNN), based upon GMDH is employed for data analysis, identification of nonlinear complex system and prediction of the ozone concentration, 2001

570k
pdf

Miyagishi K.,
Masami O., Ichihashi H.

Temperature Prediction From Regional Spectral Model by Neurofuzzy GMDH

A GMDH model called neurofuzzy (NF-) GMDH, whose partial descriptions (basic building blocks) are represented by the Radial Basis Functions (RBF) network, is applied to temperature forecast from the numerical weather prediction data of the Regional spectral model. It is shown that the hierarchical GMDH type network outperforms the conventional RBF networks, 1999

115k
pdf

Howland J.C. III, Voss M.S.

Natural Gas Prediction Using The Group Method of Data Handling

GMDH is employed to develop a nonlinear polynomial time series model for a small natural gas collection system

124k
pdf

March-Leuba J., Wood R. T. et al.

A New Paradigm For Automatic Development of Highly Reliable Control Architectures for Nuclear Power Plants

This research focuses on the development of methods for automated generation of control systems that can be traced directly to the design requirements for the life of the plant. DOE-NERI Project 99-119, 08.2000

110k
pdf

Liu H.S., Lee B.Y., Tarng Y.S.

In-process prediction of corner wear in drilling operations

The polynomial GMDH network is composed of a number of functional nodes and well organized to form an optimal network architecture using an algorithm for synthesis of polynomial networks (ASPNs). Experimental results have shown that the corner wear over a wide range of drilling conditions can be predicted with a reasonable accuracy if the cutting speed, feed rate, drill diameter, and thrust force are given, 09.98

187k
pdf

Kee S. Kim,
Walt A. Nelson

Assessing the Rental Value of Residential Properties: An Abductive Learning Networks Approachowledge Extraction in Proteomics

Attempt to estimate rental value of residential properties using Abductive Learning Networks (ALN), which is based on GMDH, 09.94

214k
pdf

Ivakhnenko A.G., Savchenko E.A. et al.

Inductive Method Permitting to Choose Model With Least Error and Least Bias Allowing The Solve Interpolation Tasks of Artificial Intelligence

Physical laws detection by two criteria.

204k
pdf: engl russ

��������� �.�., �������� �.�., ��������� �.�., ��������� �.�., ����� �.�.

����������� ��������������� �������������� ����� � ������������ ���������� �� �������������� ��������� ����

��������� ���������� ���������������: ��������� ���������������� ������ �������������� ����� � ������������, ����������� �������������� �������� ������������� ���������� � ����������� �� ���������� ������� ���������� ����������, 12.02

153k,
pdf

��������� �.�., �������� �.�., et al.

��������������� ������� ����������� �������� ����� �� ������ �����������

������ ����������� �������� ����� ���� �� ����������� ������� ������������� ��������, ������������ ��� ������ ������ �������� �����, ������� �� ���������� ����������� � ������� � �������. ������������� �������� ���� � �������������� �� �������� �������� ����� ����������� ���� ����������� �������� ����� �� ��������� ���������� � ������������� ��������, 11.02

176k
pdf

����������� �.�., ������ �.�., ������� �.�., �������� �.�.

������� �������������� ������������� ����� �������� ����� ��� �� �������� ������� ���������� ����� ����������

�n investigation of accuracy for the phonemes recognition system in continuous speech at its training by a GMDH. Secondly, it's an investigation of the latent dependences between the characteristics of to distinguish one phoneme from another with the help GMDH.

177k
pdf

Baker B.

Predicted costs and performance expectations: questioning assumptions of linearity with GMDH neural networks

A flexible non-linear method known as GMDH test the sensitivity of cost of education to changing performance expectations. In addition, this study tests the sensitivity of costs to changes in student population characteristics, 04.99

226k,
pdf

Baker B.

An Inductive Approach to Production-function Modeling: A Comparison of Group Method of Data Handling (GMDH) and Other Neural Network Methods

Through the purely deductive approach, researchers are driven to test the statistical significance of preconceived notions, political or personal in origin, about how the educational system works. As an alternative approach, inductive, non-linear pattern recognition algorithms are applied to school productivity data from the state of Vermont, 03.98

88k,
pdf

Schetinin V.

Polynomial Neural Networks Learnt to Classify EEG Signals

A neural network based technique is presented, which is able to successfully extract polynomial classification rules from labeled electroencephalogram (EEG) signals.

154k,
pdf

Dolenko S.A., Orlov Yu.V., Persiantsev I.G.

Practical Implementation And Use Of The Group Method of Data Handling (GMDH): Prospects And Problems

Independent test of GMDH approach

70k
pdf

Papers

Menezes L.M., Nikolaev N.Y.

�onfidence and Prediction Intervals for Polynomial Neural Networks

Confidence intervals for PNN models were developed using the delta method and the bootstrap. 08.02

2.8M
pdf

Lemke F. , Müller J.-A.

Self-organizing Data Mining

Paper describes the possibility to widely automate the whole knowledge discovery process by applying self-organisation and other principles, and what is called self-organising data mining.

pdf

Lemke F.

Knowledge Extraction in Proteomics

Analysis of mass spectral data in order to find peptides responsible for a certain disease goes beyond data mining, 08.02

40k
pdf

Lemke F., Müller J.-A.

Medical Data Analysis Using Self-Organizing Data Mining Technologies

Diagnosis of heart disease using GMDH, Fuzzy Rule Induction and Analog Complexing on the Long Beach data set (UCI ML Repository), 06.00

52k
pdf

Lemke F.

Financial Trading System

Performance results of 3 different stocks using a five-day predicted trading indicator. Trading signals generation, 03.99

html

Lemke F., Müller J.-A.

Self-Organizing Data Mining for a Portfolio Trading System

Forecasting of stock market indicators

1.9M
pdf

Lemke F.

Does my model really reflect a causal relationship?

The noise filtering power of GMDH,- do not believe in a model's closeness-of-fit only, and introduction of a new model quality criterion: descriptive power, 10.02

240k
pdf html

Ivakhnenko A.G., Müller J.-A.

Present State and New Problems of Further GMDH Development

Short article about some ideas how to increase efficiency of algorithms (in text format)

9k
txt

Ivakhnenko A.G., Ivakhnenko G.A.

Problems of Further Development of the Group Method of Data Handling Algorithms. Part I

105k
pdf

Ivakhnenko A.G., Ivakhnenko G.A.

Problems of Further Development of the Group Method of Data Handling Algorithms. Part II

343k
pdf

Ivakhnenko A.G., Savchenko E.A., Ivakhnenko G.A.

GMDH Algorithm for Optimal Model Choice by the External Error Criterion with the Extension of Definition by Model Bias and Its Applications to the Committees and Neural Networks

Combinatorial GMDH algorithm with an extension of definition by the model bias is used as a neuron in committees and in repeatedly multilayered neural networks for solving the problems of medical monitoring.

66k,
pdf

Ivakhnenko A.G.

Sorting Methods in Self-Organization of Models and Clusterizations Iterative (Multirow) Polynomial GMDH Algorithms

Review, Sov.J.Aut.Inf.Sci. (22), 4, 04.88

375k
pdf

�������� �.�.

���������� ������������� ������� �� ������ ���������� ������� � ������ ��������� ����������

���������� ��������� ������������ ������ ����� �� �������� ������� ��������� ��������� ����������, � ����� ����������� ����� ����������� ����� �������. ��� ����� ��������������� ����� ���������� ������ ���� ���������� ������������� � ����� ��������� ��������, c����� �� �����������, 08.02

pdf
ppz

��������� �.�., ����� �.�., ��������� �.�. et al.

��������������� ���������� � ��������� ��������� ��� ����������� ����������� ���������� ���������� ���������� �� ������ ��������� ������ �������� � ����������������� ������

Twice-multilayered NN with Analog Complexing in neurons for QSAR studies
(in russian)

133k
pdf

First articles about GMDH (historical)

Ivakhnenko A.G.

Polynomial Theory of Complex Systems

IEEE Transactions on Systems, Man and Cybernetics, Vol.SMC-1, no.4, October 1971

746k
pdf

Ivakhnenko A.G.

Heuristic Self-Organization in Problems of Engineering Cybernetics

An analysts of engineering cybernetics shows that the current deterministic approach can only solve comparatively simple problems.A new approach called heuristic self-organization is needed for solving complex problems, Automatica, 6, 1970

605k
pdf

From special issues of journals, devoted to the GMDH

Contents

Systems Analysis Modelling Simulation (SAMS) , 43, no.10, 2003

Sarycheva L.

Using GMDH In Ecological And Socio-Economical Monitoring Problems

Geographically distributed and time-phased ecological and socio-economical indices are used for taking reasoned management decision. This work shows the results of Ukraine's regions cluster analysis in geographic information system, 08.01

330k
pdf

Fujimoto K., Nakabayashi S.

Applying GMDH Algorithm to Extract Rules From Examples

A new approach to rule extraction method in Data Mining area. The correction rate of GMDH rules was higher than Tsukimoto's method of rule extraction from Back-propagation neural network and also higher than C4.5, 08.01

187k
pdf

Aksyonova T.I., Volkovich V.V., Tetko I.V.

Robust Polynomial Neural Networks In Quantative-Structure Activity Relationship Studies

Mathematical description of multilayered iterative GMDH-type rPNN algorithm that provides robust linear and nonlinear polynomial regression models, rPNN is modified GN algorithm of GMDH (created by Yurachkovsky Yu.P.), 08.01

270k
pdf

Sarycheva L.

Using GMDH For Modeling Economical Indices of Mine Opening

Mathematical description of the structure identification GMDH algorithm for modelling of dependency of explicit costs index of mining opening, 08.01

212k
pdf

Contentsand
the authors

Control Systems and Computers (����), no.2, 2003

��������� �.�.

� �������� ���������� ����������������� ��� ��������� ����������� ����������

����������� �������, ��������� � ��������� ����������� ���������� ����������������� ����������. ����� ���������� ���������� �������� ��������� � ����� ������������ ��� ����� �������� ������.

115k
pdf

Müller J.-A.

GMDH-Based Knowledge Extraction from Data

The possibility to automate the data analysis process, named as knowledge extraction by means of GMDH and self-organisation is described. Ddifferent GMDH-based modeling algorithms are implemented to make knowledge extraction systematic, fast and easy-to-use even for large and complex systems.

121k
pdf

�������� �.�., ����� �.�.

������� �������� ���������� � ������ ���������� ����� ���������� � � ������ ���������� ���������

��������������� � ������������� ��� ����������� ������ �������������� ������� � ���� � ���. �������� �� ������������ ����� ������� �������� � ����������� �� ���������� ��� ��������� ����������������� �������.

239k
pdf

�������� �.�.

������������� ������� ���� ��� ������ ������������ �������������

����������� �������������� ���������� ����������� ���������������� ������ � ����������� �� ������ ���� � ����� �������, ��������� ������������� � ���� ������ ������� ��������� ����.

181k
pdf

������ �. �.,
��� �. �.

����������� ����� ������������� ������� ������

��������� ����������� ����� ���������� ������� ������� ������, ���������� �� ����������� �������. �������� �������� ��������� �������, ��������� ������� ���������� ��������� ����������� � ���������� ��������������� ���������.

227k
pdf

�������� �.�.,
���� �.�., �������� �.�., ������ �. �.

������������ ������ ����� ������� �������������� ���������� �������� �������������� ������� � �������� ������ ���������� ����� ����������

Genetic GMDH: EA-based SOPNN is a sophisticated and versatile architecture which can construct models for limited data set as well as poorly defined complex problems. Comprehensive comparisons show that the performance of the EA-based SOPNN is significantly improved in the sense of approximation and prediction abilities, 01.03

183k
pdf

Kordik P., Naplava P., Snorek M., Genyk-Berezovskyj M.

Modified GMDH Method and Models Quality Evaluation by Visualization

In the modified GMDH algorithm inductive models are able to derive values of output variable for all configurations of input variables (simulate the system behavior). A new technique of model responses visualization is described facilitating the evaluation of information included in the data set as well as allowing to evaluate the quality of constructed models.

217k
pdf

Lemke F.,
Benfenati E.

Carcinogenicity Prediction of Aromatic Compounds Using Self-organising Data Mining

Self-organizing data mining is a new approach that supports the workflow process of a Knowledge Discovery more comprehensively and that targets on increasing reliability as well as predictive and descriptive power of generated models of ill-defined systems such as ecotoxicological systems.

36k, 220k, pdf: part1 part2

�������� �.�., ���������� �.�.

������������� ������� ������������ ����������-������� ��������������� � �������������� ������

���������� ������, ����������� �������� ��������� � ������������� ���� � ������ �����������, � ����� ������������� �� ���������. ������ ������ �������� ����������� ���������� ����, ��� ���� ����������� �������� �������������� �������� ����� � ��������� ������� ������ ����������������� ������������.

284k
pdf

�������� �.�., �������� �.�.

������������ ������������������ ��������� ����

��������������� ������ ����������� ������������� ������������� ��������� �� ������ ������������������ ��������� ����. ��������� ���������� ������������ ��������� � ����������� �������� � �������� ������.

219k
pdf

����� �.�., ��������� �.�.

����������� ������ ������� ���������� ������������� ������� �� ��������� ����� ����������

������ ���������� ����������������� ������� �� ��������� ����� ���������� ��������������� ��� ������������������ ������ ������� ������.

149k
pdf

��������� �.�.

�������� ���������������� �������� ��� ��������������� ������ ����������� ��������� �����

�������� ���������������� �������� ������������ ��� ��������, ������������� � ������������� ������� ����� ������������ ��������.

174k
pdf

�������� �.�.

��������-������� ������ ������� � ����� �� �������������� ��������� ����

��������������� ������ ���������� �������������� ��������-�������� �� ������� ������ � ���������� ��� ��������� ����������� �������. ������������ ��� �������� ��������: �� ���������� ���� ������, �� ����������� ���� � �� ���������� ���������-���������� ����. ���� �������� �������� �������� � �������� �������������� ������ ����� � ��� ����.

109k
pdf

��������� �.�., ����� �.�.

������������� ����������� ����������� ��������������� �� ������������ ������� �������� � ������

�������� ��������������� ������������� ����������� ��������������� � ����� �� ������ ������������ �������, 01.03

113k
pdf

���������� �.�.

������� ������� ��������� ������� � ���������� ���� �� �������� ���������������

�� ������� �������� �������� �������� �����������, � ����� ���� ������ ���������� ������� ������ � ��������� ���������� ���� ���������� �������� ������������ ������� ��������� ��������� ��������. ������ ����� �� ������������� ��������� ����������� ��������������� ��� ���������������� ��������� ������.

150k
pdf

������������ �.�.

�� ���������� ��������������� � ������ ������� �������������� ���������� ��������� ��������

��������, ��� � �������� ������������ ��������� ���������� �������� ������ � ������������� ���������� ��������������� � ������ ������� �� ��������� ��������, ������� �� ���� ������: ��������������� ������������ �������� ��������� � ��������������� �������.

231k
pdf

Presentations, posters

Ivakhnenko G.A., Cerda R.

Inductive Self-Organizing GMDH Algorithms for Complex Systems Modeling and Forecasting

presentation

414k
zip

Lemke F.

Self-organizing Data Mining

presentation

ppz

Ivakhnenko A.G., Kovalishyn V.V., Tetko I.V., Luik A.I. et al.

Self-Organization of Neural Networks with Active Neurons for Bioactivity of Chemical Compounds Forecasting by Analogues Complexing GMDH algorithm

poster

83k
pdf

Ivakhnenko A.G., Wunsch D., Ivakhnenko G.A.

Inductive Sorting-Out GMDH Algorithms with Polynomial Complexity for Active Neurons of Neural Network

poster

153k
pdf

Demo, programs

Voss M.

A Mathematica program for the implementation of the version of GMDH algorithm.

In a few lines of Mathematica's Functional Programming language code MmaGMDH produces both numeric and symbolic solutions for the GMDH. An option is provided that allows the user to turn off the generation of a symbolic solution - allowing for faster solution times when only numeric results are necessary, 09.03

670k
src

Moscow team of Ward Systems Group,Inc.

GMDH module of NeuroShell2 tool for Windows

Demonstration module

533k
demo

Combined Control Systems group, Glushkov Institute of Cybernetics

Some listings of source code of the GMDH multilayered algorithms in Fortran (1975-1985)

Old programs

1M
src

Pereira C.A., Nakano F., Stern J.M.

Actuarial Analysis via Branching Processes

In the article is described development of software tool for the analysis of cash ows and demographic changes due to pension plans in Brazil, 07.2000

130k
pdf

GMDH articles in another languages

Müller J.-A.

Data Mining und Automatische Modellgenerierung

in german

112k
pdf

Lemke F., Müller J.-A.

Analyse Und Vorhersage Mittels Statistischer Lernender Netze

in german

92k
pdf

��������� �.�.

List of references to some GMDH articles and books

in english and russian

233k
pdf

������ �.�.

������������� �������������� ����� ������� ���������� ����� ���������� � ������������� ��������� ����� � ������������ ���������� ��������

������������ ������: ��������� ��������� � ����������� ��������� ����

150k
pdf

�������� �.�., ����� �.�., ��������� �.�.

����� ���������� ���������� ����� � ���������� ������� �� ����� ����

����� ���������� �� ������� ������������ ��������� ������� �� ��������� ������ ����������� ����� � ������������� "�������" ���� ������������ ��� �������� � ������������� ��� ������� ��� ���������� ���������� �����. ��� �������� � ����� ���������� ����� ��������� ���������� ������������� � ����� �� �������� �������, 03.02

95k,
pdf

�������� �.�. , ����� �.�.

���������� ������������� �� �������� ������� ������ ����������� ���������� �������

in ukrainian

175k
pdf

�������� �.�., �������� �.�.

������������ ������� ������������-������������� (�������������) ��������� ����

��������� �������������� ���������� ������� �������� ������� � ������������ ��������� ������������� ��������, 10.01

79k
pdf

����� �.�. , �������� �.�.

��������� �������������� ������� ������� �������������� ���� � ����

�� �������� ���������� ������� ��������� ������ ������������ ������ �������������� � �������� �������� ��������� ��������� �������������� ������� �������, ���������� �� ��� � �� ����. ��������, ��� ���� ��������� ������� ������, ������� �������� ��������� �������������� � �������� ��� ��������� ��������������� �� �������� �������� ������, 01.01

194k
pdf

�������� �.�., ����� �.�.

���������� ����� ������������� ���������� ���������� �� ������� ����������� ������

��������� ����� ������� ��������� ���������� ������� �� �������� �� ���� �������-, ��� � ��������������� ������������� �� ������������� ������. ��� ����� ���������� ������������ ������������ �������� ������� ���в�, � ����� ��� ������ ��������� ����, 03.02

117k,
pdf