адекватного расчета расстояний между такими векторами данных был разработан
специальный метод кодирования, который позволяет представить каждую отдельную
дату в виде четырехмерного вектора. Каждый элемент такого вектора указывает, в какой
степени указанная дата относится к одному из четырех сезонов.
Блоки — проверки — условий — используются — для — переключения — между
вычислительными блоками. В частности, первый условный блок определяет, требуется
ли предварительное кодирование, то есть будет ли использован вспомогательный
вычислительный блок; второй условный блок определяет необходимость прямой либо
последовательной кластеризации, то есть осуществляет переключение между блоками
первого и второго типов.
Метод, таким образом, реализует поэтапную группировку данных в зависимости
от заданных условий (Тунакова и др. 2023).
Блок прямой нейросетевой кластеризации представляет собой двухслойную
самоорганизующуюся нейронную сеть типа «сеть Кохонена». Способ расположения
нейронов — двумерная прямоугольная решетка. Обучается по модифицированному
алгоритму «победитель получает все» с последовательно уменьшающейся мерой
соседства согласно формуле:
Лий, = ПЛ( ! 
|)(хТ — щ*)‚ 
()
Где АИ/; — приращение вектора весов нейрона 1*; 7* — нейрон-победитель для входного
вектора х; !, — вектор весов нейрона {*. Нейрон — победитель выбирается из условия,
что его вектор весов И,, находится ближе к данному входному векторух, чем у всех
остальных нейронов: 
\И/‚.* —Х\$|И/‚. —х\ для всех 
/. 
|;—;*| 
— расстояние от
“ 
: 
“ 
г— *
произвольного нейрона 1 до нейрона-победителя; А(|1 
! |) 
— функция соседства.
Данная функция равна единице для нейрона —-победителя с индексом 1* и уменьшается с
расстоянием по закону:
2
Л(а) =ехр 
(2)
п — скорость обучения, с — радиус взаимодействия нейронов (Тунакова и др., 2023).
Блок поэтапной нейросетевой кластеризации осуществляет построение дерева
связанных между собой нейросетевых кластеризующих алгоритмов с увеличением
степени точности группировки на каждом уровне дерева. Анализ полученных в
результате кластеризации групп и их дальнейшая кластеризация (формирование уровней
каскада с повышением степени детализации) продолжается до тех пор, пока для всех
выделенных групп не будет достигнута приемлемая по мнению эксперта степень
однородности.
Псевдо-нечеткое кодирование данных типа «дата-время» представляет собой
алгоритм, заменяющий единственное значение даты-времени вектором из четырех
значений, каждое из которых выражает степень принадлежности указанной даты к
одному из четырех сезонов. В результате кодирования дата х представляется вектором
(последовательностью) У=(у1, у2, уз ‚ у4), где 1-2-3-4 — коды времен года, У, = 7(0). -
степень принадлежности х ко времени года1, ]с ' (х) - кодирующая функция для времени
года г;
525