Российские Бердышев

Материал из Wiki
(Различия между версиями)
Перейти к: навигация, поиск
Строка 29: Строка 29:
 
3.Баталов Александр Сергеевич - Методы повышения эффективности обучения нейронной сети Кохонена
 
3.Баталов Александр Сергеевич - Методы повышения эффективности обучения нейронной сети Кохонена
 
Вестник Пермского университета. Серия: Математика. Механика. Информатика - 2012г. №3
 
Вестник Пермского университета. Серия: Математика. Механика. Информатика - 2012г. №3
 +
 +
Актуальность исследований в этом направлении подтверждается массой различных применений ИНС. Это автоматизация процессов распознавания образов, адаптивное управление, аппроксимация функционалов, прогнозирование, создание экспертных систем, организация ассоциативной памяти и многие другие приложения. С помощью ИНС можно, например, предсказывать показатели биржевого рынка, выполнять распознавание оптических или звуковых сигналов, создавать самообучающиеся системы, способные управлять автомашиной при парковке или синтезировать речь по тексту. В то время как на западе применение нейросетей уже достаточно обширно, у нас это еще в некоторой степени экзотика – российские фирмы, использующие нейросети в практических целях, можно пересчитать по пальцам.

Версия 12:47, 24 декабря 2019

я ищу тему применение нейронных сетей Кохонена искал по ключевым словам: Нейронная сеть Кохонена Исключил из поиска книги, учебники Выбрал статьи наиболее цитируемые На сайте https://elibrary.ru/item.asp?id=37398242 ВСЕГО НАЙДЕНО ПУБЛИКАЦИЙ: 143 из 30984869 1) МЕТОД КЛАССИФИКАЦИИ СЛОЖНОСТРУКТУРИРУЕМЫХ ИЗОБРАЖЕНИЙ НА ОСНОВЕ САМООРГАНИЗУЮЩИХСЯ НЕЙРОСЕТЕВЫХ СТРУКТУР ФИЛИСТ С.А.1, ТОМАКОВА Р.А.1, ШАТАЛОВА О.В.1, КУЗЬМИН А.А.1, АЛИ КАССИМ К.Д.1

АННОТАЦИЯ: Актуальность в разработке интеллектуальных систем классификации сложноструктурируемых изображений возникает при обработке снимков с видеокамер беспилотных летательных аппаратов, используемых в навигационных целях при отсутствии связи с искусственными спутниками Земли или при анализе снимков оператором в режиме реального времени. Разработанный метод обеспечивает высокие требования к качеству классификации объектов на снимках, а также быстродействию выделения и классификации исследуемых сегментов изображения. Для классификации таких изображений предложены компьютерные технологии, основанные на методологии бустинга. Пространство информативных признаков формируется посредством спектральных окон, полученных в результате сканирования исходного изображения. Спектральные окна, принадлежащие к различным классам, располагаются в виде кластеров на плоскости Кохонена. Для формирования кластеров применяются правила коррекции векторов весов, позволяющие снизить величины незначащих компонент векторов, и определяются координаты центров кластеров. На основе кластерной структуры плоскости Кохонена строятся сильные классификаторы. Разработана и приведена структура сильного классификатора на нейронных сетях прямого распространения блочного типа, реализованная для задачи классификации рентгенограмм грудной клетки.

2) МЕТОДЫ АВТОМАТИЧЕСКОЙ КЛАССИФИКАЦИИ ОБЛАЧНОСТИ ПО СПУТНИКОВЫМ СНИМКАМ MODIS Астафуров В.Г., Курьянович К.В., Скороходов А.В.

3) НЕЙРОСЕТЕВЫЕ ТЕХНОЛОГИИ В БАНКОВСКОЙ СФЕРЕ Кузнецова Т.

На сайте: https://e.lanbook.com

Искал статьи: Нейронная сеть Кохонена

1)Жиганов С.В. - ИСПОЛЬЗОВАНИЕ КАСКАДА НЕЙРОННЫХ СЕТЕЙ ДЛЯ АНАЛИЗА ЭЭГ ДАННЫХ Вестник научного общества студентов, аспирантов и молодых ученых - 2015г. №1

2.Пестриков П.П. - РЕКОНСТРУКЦИЯ ГЕОМЕТРИИ ОБЪЕКТОВ НА ОСНОВЕ ДАННЫХ ИЗМЕРЕНИЯ СТАТИЧЕСКОГО МАГНИТНОГО ПОЛЯ Проблемы современной науки и образования - 2015г. №3


3.Баталов Александр Сергеевич - Методы повышения эффективности обучения нейронной сети Кохонена Вестник Пермского университета. Серия: Математика. Механика. Информатика - 2012г. №3

Актуальность исследований в этом направлении подтверждается массой различных применений ИНС. Это автоматизация процессов распознавания образов, адаптивное управление, аппроксимация функционалов, прогнозирование, создание экспертных систем, организация ассоциативной памяти и многие другие приложения. С помощью ИНС можно, например, предсказывать показатели биржевого рынка, выполнять распознавание оптических или звуковых сигналов, создавать самообучающиеся системы, способные управлять автомашиной при парковке или синтезировать речь по тексту. В то время как на западе применение нейросетей уже достаточно обширно, у нас это еще в некоторой степени экзотика – российские фирмы, использующие нейросети в практических целях, можно пересчитать по пальцам.

Персональные инструменты
Пространства имён

Варианты
Действия
Навигация
Инструменты