Публікація:
Адаптивне навчання еволюційних нейро-фаззі систем з ядерними функціями активації в задачах інтелектуального аналізу даних

dc.contributor.authorДейнеко, А. О.
dc.date.accessioned2016-06-16T07:17:02Z
dc.date.available2016-06-16T07:17:02Z
dc.date.issued2014
dc.description.abstractВ дисертації вперше запропоновано адаптивний метод настроювання ансамблів нейронних мереж з ядерними функціями активації, що навчаються на основі як оптимізації, так і пам‘яті, що дозволяє забезпечити оптимальну точність вихідного сигналу ансамблю. Вперше запропоновано метод настроювання ансамблів нейро-фаззі систем з ядерними функціями належності, що навчаються на основі як оптимізації, так і пам‘яті і дозволяють забезпечити високу точність вихідного сигналу ансамблю на основі нечіткого узагальнення. Вперше запропоновані адаптивні методи навчання-самонавчання еволюційних штучних радіально-базисних нейронних мереж і еволюційних нейро-фаззі систем, що дозволяють налаштовувати не тільки всі параметри мережі, але і кількість функцій активації-належності, що дозволило уникнути «прокльону розмірності» і забезпечити необхідну точність при мінімальній кількості параметрів, які налаштовуються. Удосконалено метод навчання радіально-базисних штучних нейронних мереж шляхом використання в якості функцій активації ядерних функцій В. Єпанечнікова, що дозволило спростити і прискорити процес налаштування всіх параметрів мережі. The thesis is devoted to the development of evolving neural networks and neuro-fuzzy systems with kernel activation function that contain fuzzy support vector machine, radial basis function neural network and general regression neuro-fuzzy network as subsystems is proposed. This network is tuned using both optimization and memory based approaches and does not suffer from the “curse of dimensionality”, is able to real time mode information processing by adapting its parameters and structure to problem conditions. The evolving architecture and adaptive method of learning neuro-fuzzy system that adjusts not only their synaptic weights, but also automatically determines the quantity of neurons, the location of centers of membership functions and parameters of the receptive fields in on-line mode with hiuk_UA
dc.identifier.citationДейнеко А. О. Адаптивне навчання еволюційних нейро-фаззі систем з ядерними функціями активації в задачах інтелектуального аналізу даних : автореф. дис. ... канд. техн. наук : 05.13.23 "Системи та засоби штучного інтелекту" / А. О. Дейнеко ; М-во науки і освіти України, Харків. нац. ун-т радіоелектроніки. – Харків : ХНУРЕ, 2014. – 20 с.uk_UA
dc.identifier.urihttp://openarchive.nure.ua/handle/document/956
dc.language.isoukuk_UA
dc.subjectеволюційна нейронна мережаuk_UA
dc.subjectрадіально-базисна нейронна мережаuk_UA
dc.subjectузагальнена регресійна нейроннаuk_UA
dc.subjectмережа машина опорних векторівuk_UA
dc.subjectядерна функція активаціїuk_UA
dc.subjectevolving neural networkuk_UA
dc.subjectradial-basis neural networkuk_UA
dc.subjectgeneral regression networkuk_UA
dc.subjectsupport vector machineuk_UA
dc.subjectkernel activating functionuk_UA
dc.titleАдаптивне навчання еволюційних нейро-фаззі систем з ядерними функціями активації в задачах інтелектуального аналізу данихuk_UA
dc.typeOtheruk_UA
dspace.entity.typePublication

Файли

Оригінальний пакет
Зараз показано 1 - 1 з 1
Завантаження...
Зображення мініатюри
Назва:
DeynekoA.pdf
Розмір:
602.9 KB
Формат:
Adobe Portable Document Format
Ліцензійний пакет
Зараз показано 1 - 1 з 1
Немає доступних мініатюр
Назва:
license.txt
Розмір:
9.42 KB
Формат:
Item-specific license agreed upon to submission
Опис:

Колекції