Методи класифікації політематичних текстових документів із застосуванням нейро-фаззі технологій

Золотухін, О. В.

Публікація:
Методи класифікації політематичних текстових документів із застосуванням нейро-фаззі технологій

dc.contributor.author	Золотухін, О. В.
dc.date.accessioned	2016-09-13T07:08:23Z
dc.date.available	2016-09-13T07:08:23Z
dc.date.issued	2015
dc.description.abstract	Дисертацію присвячено розробці методів класифікації політематичних текстових документів в режимі послідовної online обробки даних та за наявності класів, які перетинаються. Розглянуто задачу класифікації політематичних текстових документів, основні методи обробки документів та існуючі методи їх класифікації, визначено основні недоліки та переваги 19 розглянутих методів. Вперше запропоновано: архітектуру і метод навчання нечіткої ймовірнісної нейронної мережі, що дозволяє суттєво скоротити кількість нейронів в мережі, а відповідно і кількість параметрів, які налаштовуються, та підвищити швидкодію при нечіткій класифікації в online режимі надходження на обробку текстових документів; адаптивну нечітку нейронну мережу навчаємого векторного квантування та метод її навчання, що дозволяє виконувати нечітку класифікацію політематичних текстових документів, які в послідовному режимі надходять на вхід мережі; нейронну мережу зустрічного поширення з контрольованим навчанням з нелінійним вихідним шаром, яка дозволяє поліпшити якість класифікації за умов класів, що перетинаються. The thesis is devoted to methods classification of multi-topic text documents development in a sequential (online) mode under conditions of overlapping classes. The task of the multi-topic text documents classification, basic methods of document processing and existing classification methods, the main advantages and disadvantages of these methods have been discribed. A fuzzy probabilistic neural network’s architecture and an adaptive neural network of fuzzy vector quantization and its learning method which provides fuzzy classification of multi-topic text documents in a sequential mode have been developed for the first time. The proposed method of neural network’s learning is characterized by high speed and low computational complexity. A counter-propagation neural network’s model of controlled studies has been proposed for the first time. A learning method for counter-propagation neural networks which provides a better classification for classes overlapping and increase the information processing speed has been developed.	uk_UA
dc.identifier.citation	Золотухін О. В. Методи класифікації політематичних текстових документів із застосуванням нейро-фаззі технологій : автореф. дис. ... канд. техн. наук : 05.13.23 "Системи та засоби штучного інтелекту" / О. В. Золотухін ; М-во освіти і науки України, Харків. нац. ун-т радіоелектроніки. – Харків : ХНУРЕ, 2015. – 21 с.	uk_UA
dc.identifier.uri	http://openarchive.nure.ua/handle/document/2428
dc.language.iso	uk	uk_UA
dc.subject	політематичні текстові документи	uk_UA
dc.subject	нечітка класифікація	uk_UA
dc.subject	штучні нейронні мережі	uk_UA
dc.subject	нечітке векторне квантування	uk_UA
dc.subject	методи навчання	uk_UA
dc.subject	multi-topic text documents	uk_UA
dc.subject	fuzzy classification	uk_UA
dc.subject	artificial neural networks	uk_UA
dc.subject	learning vector quantization	uk_UA
dc.subject	learning methods	uk_UA
dc.title	Методи класифікації політематичних текстових документів із застосуванням нейро-фаззі технологій	uk_UA
dc.type	Article	uk_UA
dspace.entity.type	Publication