Please use this identifier to cite or link to this item: http://openarchive.nure.ua/handle/document/3251
Title: Многослойная адаптивная нечеткая вероятностная нейронная сеть в задачах классификации текстовых документов
Authors: Бодянский, Е. В.
Рябова, Н. В.
Золотухин, О. В.
Keywords: классификация
нейронная сеть
пересекающиеся классы
нейроны в точках данных
Issue Date: 2015
Citation: Бодянский Е.В. Многослойная адаптивная нечеткая вероятностная нейронная сеть в задачах классификации текстових документов [Текст] / Е.В. Бодянский, Н.В. Рябова, О.В. Золотухин // Радиоэлектроника, информатика, управление. – 2015. – №1(32). – С. 39-45.
Abstract: Рассмотрена задача классификации текстовых документов на основе нечеткой вероятностной нейронной сети в режиме реального времени. В массиве текстовых документов может быть выделено различное количество классов, к которым могут относиться данные документы. При этом предполагается, что данные классы могут иметь в n-мерном пространстве различную форму и взаимно перекрываться. Предложена архитектура многослойной адаптивной нечеткой вероятностной нейронной сети, которая позволяет решать задачу классификации в последовательном режиме по мере поступления новых данных. Предложен алгоритм обучения многослойной адаптивной нечеткой вероятностной нейронной сети, а также решена задача классификации на основе предложенной архитектуры в условиях пересекающихся классов, что позволяет относить один экземпляр текстового документа к разным классам с различной степенью вероятности. Архитектура классифицирующей нейронной сети отличается простотой численной реализацией и высокой скоростью обучения, и предназначена для обработки больших массивов данных, характеризующихся векторами признаков высокой размерности. Предлагаемая нейронная сеть и метод еe обучения предназначены для работы в условиях пересекающихся классов, отличающихся как формой, так и размерами.
URI: http://openarchive.nure.ua/handle/document/3251
Appears in Collections:Кафедра штучного інтелекту (ШІ)

Files in This Item:
File Description SizeFormat 
27575-24719-1-SM.pdf579.24 kBAdobe PDFView/Open


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