Articles about the Group Method of Data Handling (GMDH)Reviews
GMDH Algorithms:
Parametric: combinatorial, iterative, fuzzy and harmonic
Non-parametric: clusterisation and analogues complexing
From special issues of journals, devoted to the GMDH:
Systems Analysis Modelling Simulation (SAMS)
Control Systems and Computers (УСиМ)
Applications
First GMDH articles
Presentations, posters
Papers
Articles in another languages
| Authors | Title | Comment, Date of submission | Size, Type |
| Reviews | |||
| Ivakhnenko A.G., Ivakhnenko G.A. | The Review of Problems Solvable by Algorithms of the Group Method of Data Handling | |
|
| Ивахненко А.Г., Ивахненко Г.А. | Обзор задач, решаемых по алгоритмам Метода Группового Учета Аргументов (МГУА) | |
|
| Ivakhnenko A.G., Mueller J.-A. | Developments of Self-Organising Modeling in Prediction and Analysis of Stock Market | |
|
| Івахненко О.Г., Івахненко Г.О. | Індуктивні методи прогнозування та аналізу складних економічних систем | |
|
| Степашко В.С. , Коппа Ю.В. | Моделирование эколого-экономических процессов по данным наблюдений в условиях неопределенности как задача структурной идентификации | |
|
| GMDH algorithms | |||
| 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 |
|
| 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 |
|
| Shelyekhova V.Yu. | Harmonic Algorithm GMDH for Large Data Volume | |
|
| Ivakhnenko A.G., Ivakhnenko G.A., Mueller J.-A. | Self-Organization of Neural Networks with Active Neurons |
|
|
| 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 |
|
|
| Ivakhnenko A.G., Ivakhnenko G.A., Andrienko N.M. | Inductive Computer Advisor for Current Forecasting of Ukraine Macroeconomy | |
|
| Oh Sung-Kwun, Pedrycz W. | The design of self-organizing Polynomial Neural Networks | |
|
| 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 |
|
| Ivakhnenko A.G., Kozubovskij S.F., Kostenko Yu.V. | Objective System Analysis of Macroeconomic Systems |
|
|
| Ivakhnenko G.A. | Model-Free Analogues As Active Neurons For Neural Network Self-Organization |
|
|
| Ivakhnenko A.G., Wunsch D. et al. | Algebraic Approach and Optimal Physical Clusterization in Interpolation Problems of Artificial Intelligence |
|
|
| 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.
|
|
| Ivakhnenko G.A., Ivakhnenko A.G. | Optimal Data Clusterization by Inductive Sorting-Out Method |
|
txt |
| From special issues of journals, devoted to the GMDH | |||
| 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 |
|
| 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 |
|
| 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 |
|
| 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 | |
|
|
|||
| Ивахненко А.Г. | О проблеме построения интеллектуального или мыслящего инженерного компьютера |
Обсуждаются причины, приведшие к отрицанию возможности построения интеллектуального компьютера. Такое негативное заключение является временным и будет опровергнуто при учете смещения модели.
|
|
| Mueller 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.
|
|
| Васильев В.И., Ланге Т.И. | Принцип внешнего дополнения в Методе группового учета аргументов и в Методе предельных упрощений |
Рассматриваются и анализируются два индуктивных метода восстановления функций — МГУА и МПУ. Показаны их преимущества перед другими методами и возможность их совмещения для улучшения экстраполяционных свойств.
|
|
| Степашко В.С. | Теоретические аспекты МГУА как метода индуктивного моделирования |
Исследуются закономерности построения оптимальной помехоустойчивой модели в зависимости от уровня шума и длины выборки, изучается эффективность в этой задаче внешних критериев МГУА.
|
|
| Коваль В. Н., Кук Ю. В. |
Структурный метод моделирования сложных систем |
Изучается структурный метод построения моделей сложных систем, основанный на индуктивном подходе. Основное внимание уделяется моделям, аргументы которых подвержены случайным возмущениям с известными корреляционными матрицами.
|
|
| Зайченко Ю.П., Заец И.О., Камоцкий О.В., Павлюк О. В. |
Исследование разных видов функций принадлежности параметров нечетких прогнозирующих моделей в нечетком методе группового учета аргументов |
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 |
|
| 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.
|
|
| Крисилов В.А., Побережник С.М. | Аппроксимация сложных зависимостей структурно-гибкими полиномиальными и гармоническими рядами |
Предложена модель, позволяющая сочетать степенной и гармонический ряды в единой зависимости, а также синтезировать их структуру. Указан способ смещения структурных параметров ряда, что дает возможность повысить функциональную гибкость рядов и расширить границы класса восстанавливаемых зависимостей.
|
|
| Кошулько А.А., Кошулько А.И. | Тестирование полигармонического алгоритма МГУА |
Рассматривается задача структурной идентификации колебательных процессов на основе полигармонического алгоритма МГУА. Приведены результаты тестирования программы с применением тестовых и реальных данных.
|
|
| Бидюк П.И., Зворыгина Т.Ф. | Структурный анализ методик построения регрессионных моделей по временным рядам наблюдений |
Задача построения авторегрессионных моделей по временным рядам наблюдений рассматривается как последовательность этапов анализа данных.
|
|
| Ивахненко Г.А. | Алгоритм комплексирования аналогов для самоорганизации дважды многорядных нейронных сетей |
Алгоритм комплексирования аналогов используется для прогноза, экстраполяции и распознавания образов плохо определенных объектов.
|
|
| Савченко Е.А. | Экспресс-прогноз уровня глюкозы в крови по Комбинаторному алгоритму МГУА |
Рассматривается задача нахождения краткосрочного экспресс-прогноза по выборке данных с пропусками для домашнего мониторинга диабета. Сравнивается три варианта прогноза: по временному ряду данных, по аналоговому ряду и по смешанному аналогово-временному ряду. Учет аналогов повышает точность и смещение прогнозирующей модели почти в два раза.
|
|
| Иутинская Г.А., Коппа Ю.В. | Моделирование зависимости численности микроорганизмов от концентрации тяжелых металлов в грунте |
Показана перспективность
моделирования численности микроорганизмов в почве на основе индуктивного
подхода, 01.03
|
|
| Кондрашова Н.В. | Влияние способа разбиения выборки в алгоритмах МГУА на точность прогнозирования |
На примере процесса развития инфляции исследовано, в какой мере способ разделения выборки данных в различных алгоритмах МГУА определяет точность предсказания резкого изменения характера процесса. Сделан вывод об эффективности алгоритма адаптивного прогнозирования при квазиоптимальном разбиении данных.
|
|
| Файнзильберг Л.С. | Об алгоритмах самоорганизации в задаче синтеза информационных технологий обработки сигналов |
Показано, что в условиях ограниченной априорной информации разумный подход к использованию алгоритмов самоорганизации в задаче синтеза ИТ обработки сигналов, основан на двух этапах: конструировании потенциально полезных признаков и самоорганизации моделей.
|
|
| 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 | |
| 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 | |
| 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 | |
| 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 | |
| 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 | |
| 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 | |
| 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. |
pdf: engl russ |
| Ивахненко А.Г., Савченко Е.А., Ивахненко Г.А., Надирадзе А.Б., Рогов А.О. | Обнаружение закономерностей взаимодействия ионов с поверхностью материалов по Комбинаторному алгоритму МГУА | Выявление физических закономерностей: Построены интерполяционные модели взаимодействия ионов с поверхностью, позволяющие прогнозировать значения коэффициентов распыления в зависимости от физических свойств облучаемых материалов, 12.02 | |
| Ивахненко А.Г., Савченко Е.А., et al. | Самоорганизация моделей социального развития стран по данным мониторинга | Данные социального развития стран мира по мониторингу индекса человеческого развития, использованы для выбора группы двадцати стран, близких по социальным показателям к Украине и Венгрии. Комбинаторный алгоритм МГУА с доопределением по смещению позволил найти зависимость ряда показателей развития стран от различных социальных и экономических факторов, 11.02 | |
| Аграновский А.В., Леднов Д.А., Репалов С.А., Телеснин Б.А. | Система автоматической классификации фонем русского языка при ее обучении Методом Группового Учета Аргументов |
Аn 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. |
|
| 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 | |
| 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 | |
| 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. | |
| 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
|
|
| Papers | |||
| Menezes L.M., Nikolaev N.Y. | Сonfidence 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 |
| Lemke F., Mueller J.-A. | Self-Organizing Data Mining for a Portfolio Trading System |
Forecasting of stock market
indicators
|
|
| Ivakhnenko A.G., Ivakhnenko G.A. | Problems of Further Development of the Group Method of Data Handling Algorithms. Part I | |
|
| Ivakhnenko A.G., Ivakhnenko G.A. | Problems of Further Development of the Group Method of Data Handling Algorithms. Part II | |
|
| 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. | |
| Ivakhnenko A.G. | Sorting Methods in Self-Organization of Models and Clusterizations Iterative (Multirow) Polynomial GMDH Algorithms | |
|
| Степашко В.С. | Структурна ідентифікація моделей як задача відновлення сигналу в умовах неповноти інформації | Дослідження залежності оптимального вибору моделі від можливих значень показників неповноти інформації, а також порівняльний аналіз ефективності різних критеріїв. Для цього використовується новий аналітичний апарат теорії структурної ідентифікації – метод критичних дисперсій, cтаття та презентація, 08.02 | |
| Ивахненко А.Г., Тетко И.В., Ковалишин В.В. et al. | Самоорганизация нейросетей с активными нейронами для обнаружения зависимости активности химических соединений на основе алгоритма поиска аналогов в экспериментальных данных | Twice-multilayered NN with Analog Complexing in neurons for QSAR studies (in russian) |
|
| 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 | |
| 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 | |
| Posters | |||
| 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 | |
|
| Ivakhnenko A.G., Wunsch D., Ivakhnenko G.A. | Inductive Sorting-Out GMDH Algorithms with Polynomial Complexity for Active Neurons of Neural Network | |
|
| GMDH articles in another languages | |||
| Mueller J.-A. | Data Mining und Automatische Modellgenerierung | |
|
| Lemke F., Mueller J.-A. | Analyse Und Vorhersage Mittels Statistischer Lernender Netze | |
|
| Івахненко Г.О. | List of references to some GMDH articles and books | |
|
| Сотник С.Л. | Идентификация колебательного звена Методом Группового Учета Аргументов и искусственной нейронной сетью с генетическим алгоритмом обучения | |
|
| Степашко В.С., Коппа Ю.В., Іутинська Г.О. | Метод відновлення пропущених даних в екологічних задачах на основі МГУА | Метод ґрунтується на побудові ієрархічного комплексу моделей за невеликим числом паралельних даних з використанням "опорних" рядів спостережень без пропусків і застосуванням цих моделей для відновлення пропущених даних. Для прикладу в роботі побудовано моделі залежності чисельності мікроорганізмів у ґрунті від основних факторів, 03.02 | 95k, |
| Степашко В.С. , Коппа Ю.В. | Оперативне прогнозування як важливий елемент задачі моніторингу податкових процесів | |
|
| Степашко В.С., Костенко Ю.В. | Исследование свойств комбинаторно-селекционного (многоэтапного) алгоритма МГУА | Сравнение быстродействия алгоритмов полного перебора моделей и многорядного алгоритма направленного перебора, 10.01 | 79k |
| Коппа Ю.В. , Степашко В.С. | Сравнение прогнозирующих свойств моделей регрессионного типа и МГУА |
На примерах построения моделей изменения объема производства легкой промышленности и процесса инфляции выполнено сравнение прогнозирующих свойств моделей, полученных по МНК и по МГУА. Показано, что МГУА
позволяет строить модели, которые отражают системные закономерности и пригодны
для надежного прогнозирования по коротким выборкам данных, 01.01 |
|
| Степашко В.С., Коппа Ю.В. | Залежність якості прогнозування податкових надходжень від довжини статистичної вибірки | Вивчається вплив довжини інтервалу “навчання” моделей на точність не лише коротко-, але й довгострокового прогнозування за статистичними даними. При цьому оцінюється ефективність застосування діалогової системи АСТРІД, в основі якої лежать алгоритми МГУА, 03.02 | |
• If you are interested in posting a paper or software, please email us.
