Золотухін, О. В.2016-09-132016-09-132015Золотухін О. В. Методи класифікації політематичних текстових документів із застосуванням нейро-фаззі технологій : автореф. дис. ... канд. техн. наук : 05.13.23 "Системи та засоби штучного інтелекту" / О. В. Золотухін ; М-во освіти і науки України, Харків. нац. ун-т радіоелектроніки. – Харків : ХНУРЕ, 2015. – 21 с.http://openarchive.nure.ua/handle/document/2428Дисертацію 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.ukполітематичні текстові документинечітка класифікаціяштучні нейронні мережінечітке векторне квантуванняметоди навчанняmulti-topic text documentsfuzzy classificationartificial neural networkslearning vector quantizationlearning methodsArticle