Please use this identifier to cite or link to this item: http://openarchive.nure.ua/handle/document/2428
Title: Методы классификации политематических текстовых документов с применением нейро-фаззи технологий
Authors: Золотухин, О. В.
Keywords: політематичні текстові документи
нечітка класифікація
штучні нейронні мережі
нечітке векторне квантування
методи навчання
multi-topic text documents
fuzzy classification
artificial neural networks
learning vector quantization
learning methods
Issue Date: 2015
Citation: Золотухин, О. В. Методы классификации политематических текстовых документов с применением нейро-фаззи технологий : автореф. дис. ... канд. техн. наук : 05.13.23 "Системы и средства искусственного интеллекта" / О. В. Золотухин ; М-во образования и науки Украины, Харьк. нац. ун-т радиоэлектроники. – Харьков, 2015. – 145 с.
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.
URI: http://openarchive.nure.ua/handle/document/2428
Appears in Collections:Автореферати

Files in This Item:
File Description SizeFormat 
ZolotuhinOV.pdf694.98 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.