Кафедри
Постійне посилання на розділhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/35393
Переглянути
4 результатів
Результати пошуку
Документ Нейронная сеть Хемминга, распознающая изображения на границах двух классов(Національний технічний університет "Харківський політехнічний інститут", 2013) Дмитриенко, Валерий Дмитриевич; Заковоротный, Александр Юрьевич; Хавина, Инна ПетровнаДокумент Нейронная сеть Хемминга для решения задач с несколькими решениями(НТУ "ХПИ", 2017) Дмитриенко, Валерий Дмитриевич; Заковоротный, Александр Юрьевич; Леонов, Сергей ЮрьевичВ статье изложены результаты анализа особенностей функционирования дискретной нейронной сети Хемминга, которая не может распознавать входные черно-белые изображения, находящиеся на одинаковом минимальном расстоянии от двух или большего числа эталонных изображений. Проанализированы недостатки нейронных сетей, использующих расстояние Хемминга и решающих эту задачу для изображений, находящихся на границах двух или трех классов изображений. Предложена модификация нейронной сети Хемминга, распознающей изображения на границах нескольких классов.Документ Верификация рисков сбоя в цифровых устройствах на основе K-значного моделирования(НТУ "ХПИ", 2007) Дмитриенко, Валерий Дмитриевич; Леонов, Сергей Юрьевич; Гладких, Т. В.У статті показано застосування нової системи верифікації цифрових пристроїв на основі K-значного моделювання. За допомогою цієї системи є можливість виконувати проектування сучасних складних та швидкодіючих пристроїв з урахуванням кількісних та якісних характеристик ризиків збоїв. Це дає нові перспективи по проектуванню з застосуванням K-значного моделювання.Документ Нейронные сети Хемминга и Хебба, способные дообучаться(Национальный технический университет "Харьковский политехнический институт", 2013) Дмитриенко, Валерий Дмитриевич; Заковоротный, Александр Юрьевич; Бречко, Вероника АлександровнаВпервые на основе нейронных сетей Хемминга и Хебба предложены архитектуры и алгоритмы функционирования дискретных стабильно-пластичных нейронных сетей, которые не только могут дообучаться, но и распознавать новую информацию. Новые сети могут стать альтернативой дискретным нейронным сетям адаптивной резонансной теории