Neural network technology to classify the functions of the standard open systems co-operation model

Authors

  • М. К. Печурін Національний авіаційний університет
  • Л. П. Кондратова НТУУ "Київський політехнічний університет"
  • С. М. Печурін НТУУ "Київський політехнічний університет"

DOI:

https://doi.org/10.18372/2073-4751.3.6446

Abstract

In this article there is estimated the possibility to apply the algorithms of the classification on using the vehicle of MLP and RBF type artificial neural networks (ANN) to form (verify the efficiency of existing) set and composition of the standard open systems co-operation model (SM) levels. The criteria of classification characterize the relations of total rejection of function estimations in nearby taxons to the indicated size and maximal rejection value of functions estimations in no-nearby taxons. The forming of SM functions taxon cortege with the best criteria relation value  by the less number of teaching iterations is guaranteed with using MLP type ANN

Author Biographies

М. К. Печурін, Національний авіаційний університет

Факультет комп’ютерних систем; д-р техн.наук

Л. П. Кондратова, НТУУ "Київський політехнічний університет"

ННК «Інститут прикладного системного аналізу»; канд.техн.наук

С. М. Печурін, НТУУ "Київський політехнічний університет"

ННК «Інститут прикладного системного аналізу»; канд.техн.наук

References

Згуровский М.З., Панкратова Н.Д. Системный анализ: проблемы, методология, приложения. – К.: Наукова думка, 2005. – 743 с.

Зайцев С.С., Кравцунов М.И., Ротанов С.В. Сервис открытых информационно-вычислительных сетей. Радио и связь, 1990. – 240 с.

Нейронные сети в системах автоматизации / В.И.Архангельский, И.Н.Богаенко, Г.Г.Грабовский, Н.А.Рюмшин. – К.:Техника, 1999. – 364 с.

Крисилов В.А., Юдин С.А., Олешко Д.Н. Использование гипотезы компактности при построении обучающей выборки для прогнозирующих нейросетевых моделей // Системні дослідження та інформаційні технології. – 2006, №3. – С. 26 – 36.

Дудник О.В., Бидюк П.И. Применение радиальных базисных функций в нейронных сетях для прогнозирования экономических показателей // Проблемы управления и информатики. – 2003, №2. – С. 126 – 133.

Химмельблау Д. Прикладное нелинейное программирование. – М.: Мир. – 1975. – 536 с.

Анисимов А.В., Порхун Е.В., Тарануха В.Ю. Алгоритм формирования параметрического вектора для решения задач классификации нейронной сетью прямого распространения // Кибернетика и системный анализ. – 2007, №2. – С.3–14.

Хайкин С. Нейронные сети: полный курс. 2-е издание. Пер. с англ. – М.: Издательский дом «Вильямс». – 2006. – 1104 с.

Published

2010-09-14

Issue

Section

Статті