Гібридна нейронна мережа на основі радіально-базисної мережі з різними радіально-базисними функціями
DOI:
https://doi.org/10.18372/1990-5548.63.14516Ключові слова:
Гібридна нейронна мережа, структурно-параметричний синтез, проблема оптимізаціїАнотація
Розглянуто проблему структурно-параметричного синтезу гібридних нейронних мереж на основі використання радіальних базисних мереж. Гібридизація досягається за рахунок використання різних радіальних базисних функцій: гауссових, багатовимірних, зворотних квадратичних, зворотних багатовимірних, сплайна тонких пластин, лінійних, кубічних, вейвлет-функцій. Завдання структурно-параметричного синтезу гібридної нейронної мережі полягає в оптимальному виборі кількості шарів, кількості нейронів в шарах, порядку чергування шарів з різними нейронами. Розв’язано задачу оптимального вибору кількості мережевих каскадів і типу радіальної базисної функції в кожному каскаді з числа шарів. Наведено приклади синтезу гібридної нейронної мережі з використанням цієї методології для вирішення завдань класифікації та прогнозування.
Посилання
Ye. Bodyanskiy and O. Vynokurova, “Compartmental adaptive wavelon and its learning algorithm,” Control systems and computers 1, pp 47–53, 2009.
O. I. Chumachenko, S. T. Dychko and A. R. Rizhiy, “Hybrid Neuron Networks Based on Q-, W- and Classical Neurons,” Electronics and Control Systems, pp. 58–62, 2019. https://doi.org/10.18372/1990-5548.62.14385
Ye. Bodyanskiy, I. Pliss, O. Vynokurova, “Hybrid GMDH-neural network of computational intelligence,” Proc. 3rd International Workshop on Inductive Modelling, Poland, Krynica. 2009, рр. 100–107.
Ye. Bodyanskiy, O. Vynokurova, and N. Teslenko, “Cascade GMDH-Wavelet-Neuro-Fuzzy Network,” The 4th International Workshop on Inductive ModellingIWIM 2011, рр. 22–30.
Е. А. Vinokurova, “Generalized multidimensional wavelet-neuro-fuzzy system in computational intelligence problems,” Intelligent decision-making systems and problems of computational intelligence: a collection of scientific papers based on the materials of an international scientific conference. Evpatoriay–Cherson, vol. 2, 2010, pp. 329–333.
E. Zitzler, M. Laumanns and L. Thiele, “SPEA2: Improving the Strength Pareto approach,” Swiss Federal Institute Technology, 2001.
Optical Recognition of Handwritten Digits Data Set [Online]. Avaible: https://archive.ics.uci.edu/ml/datasets/Optical+Recognition+of+Handwritten+Digits
Daily Minimum Temperatures In Melbourne [Online]. Avaible: https://www.kaggle.com/paulbrabban/daily-minimum-temperatures-in-melbourne
##submission.downloads##
Номер
Розділ
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).
