ElAr KhNURE:: Головна

ISSN: 2310-8061

Репозиторій Харківського національного університету радіоелектроніки «ElAr КhNURE» є електронною платформою, що містить публікації наукових праць та досліджень науково-педагогічних працівників, інших співробітників, здобувачів вищої освіти ХНУРЕ. Серед них монографії, статті з наукових журналів та збірників, матеріали науково-практичних заходів, наукові публікації (розміщуються за умови наявності рецензії наукового керівника) та кваліфікаційні роботи здобувачів вищої освіти (розміщуються за дозволом автора КвР).

З усіх питань звертатися до адміністратора ElAr KhNURE за адресою: yuliia.derevianko@nure.ua

Фонди в ElAr

Виберіть фонд для перегляду його колекцій.

Зараз показано 1 - 13 з 13

Останні подання

Нейросетевая аппроксимация многомерных функций при наличии помех измерений
(ХНУРЭ, 2007) Руденко, О. Г.; Островерхий, А. В.
В статье приводится сравнительный анализ восстановления зашумленных многомерных функций нейронными сетями СМАС различной архитектуры и РБС. Рассматривается проблема выбора базисных функций сети СМАС и параметров РБС. Показано, что для решения: данной задачи весьма эффективными являются иерархическая и линейная архитектуры СМАС при выборе в качестве базисной параболической функции, а применение РБС обеспечивает заданную точность восстановления, требуя меньшего объема памяти, но значительно больших вычислительных затрат.
Гибридные математические модели на основе расширений нечетких сетей Петри
(ХНУРЭ, 2007) Кучеренко, Е. H.; Краснокутский, Д. В.
Сформулирована и решена задача расширения нечетких моделей на основе классов нейро-фаззи сетей Петри. Предложен комплекс утверждений, формализующих условия разрешенности переходов в условиях синхронизации нечетких процессов с использованием нечетких раскрашенных ингибиторных дуг сетей Петри.
Метод определения взаимосвязи элементов стохастической нейронной сети.
(ХНУРЭ, 2007) Волик, А. B.; Герасин, С. H.; Лапта, С. И.
Предложен метод для определения взаимосвязи между элементами нейронной сети. Он допускает нестационарность входного потока и позволяет учитывать нелинейный характер связей между элементами нейронной сети. Метод может быть использован при анализе
Характеристика архитектуры компьютерной системы, приближенной к идеальной
(ХНУРЭ, 2007) Кургаев, А. Ф.
Для решения выявленных проблем развития архитектуры современных компьютеров впервые предложено принять структуру систем обработки знаний (СОЗ) за образец архитектуры компьютерных систем (KC), а в качестве образца структуры СОЗ — идеал структуры научной теории, поскольку именно в ней явно и наиболее концентрированно выражена форма мышления людей при решении проблем. Сформулированы наиболее существенные признаки идеальной архитектуры KC, непротиворечиво сочетающие универсальность со специализацией КС на решение произвольных проблем.
Нормализация изображений: достижения и нерешенные задач
(ХНУРЭ, 2007) Путятин, E. П.
Приведены новые результаты по нормализации аффинных, проективных и нелинейных преобразований. Обсуждаются проблемные вопросы нормализации общих преобразований двумерных изображений. В сравнительном аспекте рассматриваются основные математические методы нормализации: метод моментов, интегральной и одномерной последовательной корреляции. Описан подход к нормализации сложных групп, включая проективную, путем синтеза частичных нормализаторов, соответствующих подгруппам разложения.