ЭФФЕКТИВНОСТЬ ИСПОЛЬЗОВАНИЯ ПРИНЦИПОВ САМООРГАНИЗАЦИИ И НЕЙРОННЫХ СЕТЕЙ ДЛЯ ИДЕНТИФИКАЦИИ СИГНАЛОВ
На сегодняшний день одним из эффективных средств, для обработки сигналов, являются нейронные сети. Для решения таких задач, как: медицинская диагностика, управление производством, релевантный информационный поиск эффективно используются самоорганизующиеся (растущие или эволюционирующие) нейронные сети. Применение принципов [2]самоорганизации позволяет синтезировать многослойные нейронные сети минимальной конфигурации на неполной, непредставительной обучающей выборке. Для синтеза нейронной сети, обеспечивающей минимальное число ошибок на обучающей выборке, не требуется заранее оценивать значимость входных переменных (признаков), задавать число слоев, а также определять синаптические связи. Конфигурация обученной нейронной сети будет минимальной.
Нейронная сеть оптимальной сложности обладает наибольшей обобщающей способностью. Алгоритм функционирования самообучающихся сетей представляет собой один из вариантов кластеризации многомерных векторов. Важным отличием данного алгоритма является то, что в нём все нейроны упорядочены в некоторую структуру[1]. При этом в ходе обучения модифицируется не только нейрон-победитель, но в меньшей степени соседи. За счёт этого данный алгоритм можно считать одним из методов проецирования многомерного прострaнcтва в прострaнcтво с более низкой размерностью. Схожие в исходном прострaнcтве векторы, оказываются рядом и на полученной карте. Обучение состоит из двух основных фаз: на первом этапе выбирается достаточно большое значение скорости и радиуса обучения, что позволяет расположить векторы нейронов в соответствии с распределением примеров в выборке, а затем производится точная подстройка весов, когда значения параметров скорости обучения значительно меньше начальных.
Применение самоорганизующихся нейронных сетей во многих случаях оказывается более предпочтительным, чем традиционные полносвязные нейронные сети.
СПИСОК ЛИТЕРАТУРЫ:
- Осовский С. Нейронные сети для обработки информации / Перевод с польского И.Д. Рудинского. - М.: Финансы и статистика, 2004.
- Редько В.Г. Эволюция, нейронные сети, интеллект: Модели и концепции эволюционной кибернетики. Изд. 3-е. - М.: КомКнига, 2005.(Синергетика от прошлого к будущему).
Статья в формате PDF 107 KB...
23 04 2024 6:21:56
Статья в формате PDF 101 KB...
22 04 2024 0:33:49
20 04 2024 14:38:59
Статья в формате PDF 114 KB...
19 04 2024 10:21:58
Статья в формате PDF 111 KB...
18 04 2024 16:50:44
Статья в формате PDF 119 KB...
17 04 2024 2:41:46
Статья в формате PDF 103 KB...
16 04 2024 23:27:32
Рассмотрены основные составляющие познавательной системы профессора И.С.Мустафина, которая включает позитивное использование опыта негативных событий, а также применение оригинальных задач-рассказов и поэтического творчества для развития творческих и естественнонаучных способностей. ...
15 04 2024 23:44:29
Статья в формате PDF 121 KB...
14 04 2024 20:42:35
Статья в формате PDF 111 KB...
13 04 2024 1:51:39
Статья в формате PDF 305 KB...
12 04 2024 14:34:18
Статья в формате PDF 107 KB...
11 04 2024 18:12:16
Статья в формате PDF 122 KB...
10 04 2024 7:24:26
Статья в формате PDF 114 KB...
08 04 2024 0:55:58
В статье отражены результаты комплексного исследования подготовленности спортсменок, специализирующихся в беге на 300-400 м с барьерами. Дан анализ статистически достоверных различий по педагогическим, физиологическим и биометрическим показателям в ответственейший момент спортивной карьеры - момент перехода с «детской» дистанции (бега на 300 м с барьерами) на олимпийскую дисциплину (400 м с барьерами). Выявлены взаимосвязи между различными сторонами подготовленности: физической, функциональной и технической. Представленный материал можно использовать в виде модельных хаpaктеристик для дeвyшек в возрасте 15-16 лет и закономерностей становления спортивного мастерства при уточнении Учебной программы для детско-юношеских спортивных школ, специализированных детско-юношеских школ олимпийского резерва и школ высшего спортивного мастерства по разделу «Барьерный бег». ...
06 04 2024 22:47:53
Статья в формате PDF 153 KB...
05 04 2024 7:16:21
Статья в формате PDF 293 KB...
03 04 2024 15:56:21
Статья в формате PDF 125 KB...
02 04 2024 8:21:11
Статья в формате PDF 106 KB...
01 04 2024 1:21:54
Статья в формате PDF 121 KB...
31 03 2024 21:45:26
Статья в формате PDF 182 KB...
30 03 2024 17:13:36
Статья в формате PDF 106 KB...
29 03 2024 5:10:35
Статья в формате PDF 160 KB...
28 03 2024 15:49:10
Статья в формате PDF 147 KB...
27 03 2024 5:52:24
Статья в формате PDF 112 KB...
26 03 2024 14:57:15
Статья в формате PDF 127 KB...
25 03 2024 5:42:57
Статья в формате PDF 243 KB...
24 03 2024 5:12:23
Статья в формате PDF 121 KB...
23 03 2024 21:48:57
Статья в формате PDF 131 KB...
22 03 2024 1:46:57
Статья в формате PDF 113 KB...
21 03 2024 4:51:35
Статья в формате PDF 320 KB...
20 03 2024 12:14:28
Статья в формате PDF 118 KB...
19 03 2024 0:30:21
Статья в формате PDF 113 KB...
18 03 2024 14:22:49
17 03 2024 4:11:27
16 03 2024 11:36:28
Статья в формате PDF 151 KB...
15 03 2024 1:48:12
Еще:
Поддержать себя -1 :: Поддержать себя -2 :: Поддержать себя -3 :: Поддержать себя -4 :: Поддержать себя -5 :: Поддержать себя -6 :: Поддержать себя -7 :: Поддержать себя -8 :: Поддержать себя -9 :: Поддержать себя -10 :: Поддержать себя -11 :: Поддержать себя -12 :: Поддержать себя -13 :: Поддержать себя -14 :: Поддержать себя -15 :: Поддержать себя -16 :: Поддержать себя -17 :: Поддержать себя -18 :: Поддержать себя -19 :: Поддержать себя -20 :: Поддержать себя -21 :: Поддержать себя -22 :: Поддержать себя -23 :: Поддержать себя -24 :: Поддержать себя -25 :: Поддержать себя -26 :: Поддержать себя -27 :: Поддержать себя -28 :: Поддержать себя -29 :: Поддержать себя -30 :: Поддержать себя -31 :: Поддержать себя -32 :: Поддержать себя -33 :: Поддержать себя -34 :: Поддержать себя -35 :: Поддержать себя -36 :: Поддержать себя -37 :: Поддержать себя -38 ::