Нейромережна обробка багатовимірних сигналів
Базові архітектури та методи навчання статичних та динамічних штучних нейронних мереж для розв’язання задач апроксимації, фільтрації, ідентифікації та класифікації. Метод автоматичної побудови адаптивної схеми дискретизації вхідних сигналів у ШНМ СМАС.
Подобные документы
Дослідження характеристики штучних нейронних мереж на прикладі задачі розпізнавання і класифікації. Характеристика особливостей функціонування різних архітектур в межах методу зворотного поширення похибки. Метод організації штучних нейронних мереж.
статья, добавлен 14.09.2016Аналіз методів та формулювання принципів побудови штучних імунних і гібридних систем інтелектуального аналізу даних. Розроблення методів і засобів структурно-параметричного синтезу нейронних мереж для розв'язання задач прогнозування та класифікації.
автореферат, добавлен 20.07.2015- 3. Система м’яких обчислень на базі нейронних мереж адаптивного резонансу для розв’язання задач САПР
Виявлення переваг, недоліків архітектури і обчислювально-ефективних шляхів реалізації мереж. Дослідження методів побудови гібридних систем обробки інформації. Розробка й навчання нейронних мереж адаптивного резонансу. Використання систем м’яких обчислень.
автореферат, добавлен 25.07.2015 Аналіз існуючих підходів до розв’язання задачі візуалізації багатовимірних даних, їх порівняння та визначення властивих їм обмежень та недоліків. Розробка архітектури нейронної мережі для зменшення розмірності багатовимірних даних із підвищеною якістю.
автореферат, добавлен 27.07.2014Моделювання та обробка сигналів динамічних систем операційними методами, орієнтованими на створення комплексів моніторингу. Правила побудови операційних матриць інтегрування із нецілим порядком для розширеного базису локально-імпульсних функцій.
автореферат, добавлен 25.06.2014- 6. Аналіз використання технології штучних нейронних мереж в якості нового підходу до обробки сигналів
Застосування штучних нейронних мереж для аналізу й обробки даних, отриманих в ході дослідження, калібрування і подальшого процесу обробки відомостей біосенсорів, схильних до зміни з часом. Особливість визначення процесу зберігання інформації як образів.
статья, добавлен 27.07.2016 Розробка та дослідження варіанту автоматизованої класифікації пристроїв орієнтування як складових СООВ з використанням штучних нейронних мереж, що в подальшому забезпечить їх автоматизований вибір за попередньо розробленою відповідною методикою.
статья, добавлен 22.03.2013- 8. Моделі та методи розпізнавання класів багатопараметричних об’єктів на основі штучних нейронних мереж
Розробка архітектури та методик використання інтелектуальної системи розпізнавання образів на основі штучних нейронних мереж із конкуренційним навчанням. Моделі для модифікованих варіантів карт із самоорганізацією Кохонена та мереж зустрічного поширення.
автореферат, добавлен 27.07.2014 Аналіз апаратних реалізацій штучних нейронних мереж. Аналогова та гібридна архітектури. Принцип дії систолічних, сигнальних та нейросигнальних процесорів. Програмовані логічні інтегральні схеми. Оцінки ризиків надійності апаратних реалізацій ШНМ.
статья, добавлен 14.06.2013Сучасні високопродуктивні обчислювальні системи і паралельні методи розв’язання динамічних задач із зосередженими параметрами. Паралельні неявні однокрокові методи чисельного розв’язання жорстких задач та їх реалізація в багатопроцесорних структурах.
автореферат, добавлен 29.08.2015Порівняльний аналіз широко вживаних в практиці обробки геофізичної інформації методів усунення завад та альтернативних методів, заснованих на ортогональному діадному вейвлет-перетворенні. Простір ознак для опису об’єктів, що підлягають класифікації.
автореферат, добавлен 29.08.2014Аналіз методів та алгоритмів для вирішення задач класифікації об'єктів. Розробка автоматичних систем класифікації та кластеризації із застосуванням алгоритмів та апарату нейронних мереж. Побудова вектора ознак для вирішення задачі класифікації об'єктів.
автореферат, добавлен 14.08.2015Аналіз сучасних досягнень у галузі штучних нейронних мереж, машинного навчання та обчислювального інтелекту, в основі чого лежить перцептрон як кібернетична модель сприйняття інформації мозком. сфери застосування розробок у галузі штучних нейронних мереж.
статья, добавлен 17.12.2022Алгоритмічні методи компенсації динамічних похибок відеозображень з вимірювальною інформацією. Використання адаптивної лінійної нейронної мережі для компенсації похибок. Визначення геометричних параметрів у робочих умовах вимірювань на виробництві.
статья, добавлен 29.06.2016Огляд існуючих штучних нейронних мереж, що застосовуються для вирішення задачі стискання зображень. Аналіз процесів взаємодії та формування популяцій генетичних алгоритмів. Розробка методу навчання штучних нейронних мереж в задачі стискання зображень.
автореферат, добавлен 19.06.2018Аналіз методів розв’язання динамічних задач із зосередженими параметрами для систем звичайних диференційних рівнянь. Пошук шляхів підвищення ефективності паралельного розв’язання лінійних задач Коші з контролем похибки на кожному кроці інтегрування.
автореферат, добавлен 25.07.2014У роботі здійснено аналіз сучасних досягнень у галузі штучних нейронних мереж, машинного навчання та обчислювального інтелекту, в основі чого лежить перцептрон як кібернетична модель сприйняття інформації мозком. Сфери застосування нейронних мереж.
статья, добавлен 26.04.2023Основні концепції формування процесу навчання особи з урахуванням особливостей ієрархічної організації предметно-орієнтованих задач. Особливості побудови схеми логічних зв’язків, що виникають в процесі розв’язання задач різного інтелектуального рівня.
статья, добавлен 14.09.2016Метод обробки вихідних сигналів при визначенні технічного стану динамічних систем (ДС). Оптимальні методи обробки вихідних сигналів для випадку нормальних розподілів перешкоди та параметрів контролю ДС. Оперативність визначення технічного стану ДС.
статья, добавлен 26.07.2016- 20. Самоорганізація поліноміальних моделей регресії в нейроподібних структурах геометричних перетворень
Методи побудови самоорганізаційних поліноміальних моделей регресії з функціональним розширенням сигналів на основі машини геометричних перетворень. Реалізація функціонального розширення вхідних сигналів за допомогою набору поліномів Колмогорова-Габора.
статья, добавлен 27.07.2016 Методика аналізу адекватності відображення динамічних нечітких процесів, оптимізації ресурсів штучних нейронних мереж та вибору альтернатив взаємодії систем обчислювального інтелекту. Закони та механізми машинного навчання радіально–базисних структур.
автореферат, добавлен 12.07.2014Узагальнення регресійних нейронних мереж Д. Шпехта, які отримали широке розповсюдження для вирішення задач прогнозування та ідентифікації. Навчання мережі, що відбувається шляхом установлення центрів активаційних функцій у точках з координатами векторів.
статья, добавлен 19.06.2018Проблема створення інформаційних систем технічного діагностування для виявлення аномалій у роботі складної технічної системи; пошуку типу й локалізації відмови в умовах неповної інформації, із застосуванням штучних імунних систем і байєсових мереж.
автореферат, добавлен 27.08.2013На основі проведених експериментів дослідження доцільності використання даних методів для різних типів даних та архітектури нейронних мереж. Характеристика існуючих методів оптимізації та типів розподілених обчислень для тренування нейронних мереж.
статья, добавлен 28.10.2020Розробка алгоритмів розв’язання задач відтворення сигналів у вигляді інтегральних моделей та створенню на їх основі прикладних програмних засобів. Їх комп’ютерна реалізація та застосування на обчислювальних кластерах з різними операційними системами.
автореферат, добавлен 26.08.2015