Нейросетевая модель факторного анализа

Бодянский, Е. В.; Запорожец, О. В.; Путятина, Т.  В.; Рагулина, О. Е.

Публікація:
Нейросетевая модель факторного анализа

dc.contributor.author	Бодянский, Е. В.
dc.contributor.author	Запорожец, О. В.
dc.contributor.author	Путятина, Т. В.
dc.contributor.author	Рагулина, О. Е.
dc.date.accessioned	2020-08-21T19:29:22Z
dc.date.available	2020-08-21T19:29:22Z
dc.date.issued	1999
dc.description.abstract	Наиболее-эффективным для решения проблемы сжатия больших массивов данных является метод главных компонент факторного анализа. При поступлении данных в реальном масштабе времени целесообразно использование идеи рекурсивного вычисления главных компонент. Principal compunenl method of factorial analysis is most effective for data compression problem solution II data are collected in real lime it is advisable to use an idea of recursive calculation of the main components and liebb-Senger extended algorithm, l ire algonthn: is implemented as artificial neuron network consisting ol Oja's neurons	uk_UA
dc.identifier.citation	Нейросетевая модель факторного анализа / Е. В. Бодянский, О. В. Запорожец, Т. В. Путятина, О. Е. Рагулина // Проблемы бионики : всеукраинский межвед. науч.-техн. сб. – Х. : ХТУРЭ, 1999. – Вып. 51. – С. 84–90.	uk_UA
dc.identifier.uri	http://openarchive.nure.ua/handle/document/12760
dc.language.iso	ru	uk_UA
dc.publisher	ХТУРЭ	uk_UA
dc.subject	сжатие больших массивов данных	uk_UA
dc.subject	факторный анализ	uk_UA
dc.title	Нейросетевая модель факторного анализа	uk_UA
dc.type	Article	uk_UA
dspace.entity.type	Publication