Обучение нейро-фаззи сети Колмогорова на основе обратного распространения ошибок и алгоритмов оптимизации второго порядка

Скорочена інформація про документ
dc.contributor.authorБодянский, Е. В.
dc.contributor.authorГоршков, Е. В.
dc.contributor.authorКолодяжный, В. В.
dc.contributor.authorБодянський, Є. В.
dc.contributor.authorГорщков, Є. В.
dc.contributor.authorКолодяжний, В. В.
dc.contributor.authorBodyanskiy, Ye. V.
dc.contributor.authorGorshkov, Ye. V.
dc.contributor.authorKolodyazhniy, V. V.
dc.date.accessioned2014-12-25T17:45:35Z
dc.date.available2014-12-25T17:45:35Z
dc.date.issued2005
dc.description.abstractenThe architecture of the neuro-fuzzy Kolmogorov’s network which is the hybrid of the superposition scheme of univariate functions, two-layer feed-forward neural network, and Takagi-Sugeno type fuzzy inference system is considered. A batch gradient-based learning procedure based on the error back-propagation and 2-nd order optimization methods is proposed. The considered network and the proposed learning algorithm can be applied to the problems of data classification, time-series prediction, neuro-control, emulation, etc.uk
dc.description.abstractruВ работе рассмотрена нейро-фаззи сеть Колмогорова, которая представляет собой гибрид схемы суперпозиции функций одной переменной, нейронную сеть прямого распространения и систему нечеткого вывода типа Такаги-Сугено. Предложено новый пакетный градиентный алгоритм обучения на основе обратного распространения ошибок и методов оптимизации второго порядка. Рассмотренная сеть и предложенный алгоритм обучения могут быть использованы для решения задач классификации данных, прогнозирования временных последовательностей нейроуправления, эмуляции и др.uk
dc.description.abstractukВ роботі розглянута нейро-фаззі мережа Колмогорова, що являє собою гібрид схеми суперпозиції функцій однієї змінної, нейронну мережу прямого розповсюдження та систему нечіткого виводу типу Такагі-Сугено. Запропонований новий пакетний градієнтний алгоритм навчання на основі зворотного поширення похибок та методів оптимізації другого порядку. Розглянута мережа та запропонований алгоритм навчання можуть бути використані для вирішення задач класифікації даних, прогнозування часових послідовностей, нейрокерування, емуляції та ін.uk
dc.format.pagerangeС. 3–10uk
dc.identifier.citationБодянский, Е. В. Обучение нейро-фаззи сети Колмогорова на основе обратного распространения ошибок и алгоритмов оптимизации второго порядка / Е. В. Бодянский, Е. В. Горшков, В. В. Колодяжный // Адаптивні системи автоматичного управління : міжвідомчий науково-технічний збірник. – 2005. – № 8(28). – С. 3–10. – Бібліогр.: 12 назв.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/10005
dc.language.isoruuk
dc.publisherСистемні технологіїuk
dc.publisher.placeДніпропетровськuk
dc.sourceАдаптивні системи автоматичного управління: міжвідомчий науково-технічний збірникuk
dc.status.pubpublisheduk
dc.titleОбучение нейро-фаззи сети Колмогорова на основе обратного распространения ошибок и алгоритмов оптимизации второго порядкаuk
dc.title.alternativeНавчання нейро-фаззі мережі Колмогорова на основі зворотного поширення похибок та алгоритмів оптимізації другого порядкуuk
dc.title.alternativeLearning algorithm for neuro-fuzzy Kolmogorov’s network based on the error back-propagation and 2-nd order optimization methodsuk
dc.typeArticleuk
thesis.degree.level-uk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
01_3.pdf
Розмір:
150.38 KB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
1.71 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Адаптивні системи автоматичного управління: міжвідомчий науково-технічний збірник, № 8(28)