Модуль нейронних мереж

Автор(и)

  • O. I. Chumachenko Національний технічний університет України «Київський політехнічний інститут ім. Ігоря Сікорського»
  • A. T. Kot Національний технічний університет України «Київський політехнічний інститут ім. Ігоря Сікорського»

DOI:

https://doi.org/10.18372/1990-5548.56.12937

Ключові слова:

Гібридні нейронні мережі, нейронна мережа Кохоннена, персептрон, алгоритм навчання

Анотація

Розглянуто базовий підхід для побудови гібридної нейронної мережі. Як приклад, проаналізовано нейронну мережу зустрічного поширення. Розглянуто два режими функціонування цієї нейронної мережі. Це режими акредитації та інтерполяції. Режим інтерполяції дозволяє виявляти більш складні особливості і дає більш точні результати. На основі цього аналізу розроблена нова гібридна структура, що включає нейронну мережу Кохонена і персептрон. Запропоновано алгоритм навчання цієї гібридної нейронної мережі.

Біографії авторів

O. I. Chumachenko, Національний технічний університет України «Київський політехнічний інститут ім. Ігоря Сікорського»

Кафедра технічної кібернетики

Кандидат технічних наук. Доцент

A. T. Kot, Національний технічний університет України «Київський політехнічний інститут ім. Ігоря Сікорського»

Кафедра технічної кібернетики

Аспірант

Посилання

V. V. Borisov, V. V. Kruglov, and A. S. Fedulov, Fuzzy models and networks. 2 nd ed., The stereotype. 2012. (in Russian)

Khaykin Saymon. Neural networks: full course, 2nd edition. 2006. (in Russian)

A. P. Rotshteyn, Intelligent identification technologies: fuzzy sets, neural networks, genetic algorithms. Monograph. Vinnitsa: "Universum-Vіnnitsya," 1999, 295 p. (in Russian)

J.-S. R. Jang, ANFIS: Adaptive-Network-Based Fuzzy Inference Systems, IEEE Trans. Systems, Man & Cybernetics 23 (1993).

Y. Bengio, A. Courville, and P. Vincent, Representation Learning: A Review and New Perspectives. Department of computer science and operations research, U. Montreal. 2014.

X. Glorot and Y. Bengio, Understanding the difficulty of training deep feedforward neural networks. 2010.

##submission.downloads##

Номер

Том 2 № 56 (2018)

Розділ

АВТОМАТИЗОВАНІ СИСТЕМИ ПРОЕКТУВАННЯ

Ліцензія

Authors who publish with this journal agree to the following terms:

Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.

Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.

Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).