Адаптивное нейросетевое сжатие сигналов большой размерности на основе взвешенного информационного критерия

Машталир, С. В.; Сакало, Е. С.

Публікація:
Адаптивное нейросетевое сжатие сигналов большой размерности на основе взвешенного информационного критерия

dc.contributor.author	Машталир, С. В.
dc.contributor.author	Сакало, Е. С.
dc.date.accessioned	2018-06-07T12:35:31Z
dc.date.available	2018-06-07T12:35:31Z
dc.date.issued	2008
dc.description.abstract	Предложен адаптивный оптимальный по быстродействию градиентный алгоритм самообучения двухслойной нейронной сети для выделения главных компонент в задачах понижения размерности пространства признаков, возникающих при обработке сигналов большой размерности. Рассматриваемая нейронная сеть и соответствующая процедура самообучения объединяют в себе достоинства последовательного и параллельного нейросетевого подходов и предназначены, прежде всего, для использования в системах видеообработки реального времени. The optimal rate adaptive gradient algorithm for a two-layer self-learning neural network is offered for allocation of the principal components in problems of feature space dimension reduction which arise at large scale signals processing. The examined neural network and the corresponding self-learning procedure combine advantages of sequential and parallel neural network approaches and they are primarily intended for usage in the real time videoprocessing systems.	uk_UA
dc.identifier.citation	Машталир С. В. Адаптивное нейросетевое сжатие сигналов большой размерности на основе взвешенного информационного критерия / С. В. Машталир, Е. С. Сакало // Прикладная радиоэлектроника : науч.-техн. журн. – Х. : ХНУРЭ, 2008. – Т. 7, № 2 – С. 145–150.	uk_UA
dc.identifier.uri	http://openarchive.nure.ua/handle/document/5962
dc.language.iso	ru	uk_UA
dc.publisher	ХНУРЭ	uk_UA
dc.subject	нейронная сеть	uk_UA
dc.subject	градиентный алгоритм самообучения	uk_UA
dc.title	Адаптивное нейросетевое сжатие сигналов большой размерности на основе взвешенного информационного критерия	uk_UA
dc.type	Article	uk_UA
dspace.entity.type	Publication