Новые архитектуры и алгоритмы обучения нейронных сетей адаптивной резонансной теории

dc.contributor.authorЗаковоротный, Александр Юрьевичru
dc.date.accessioned2020-04-06T14:15:34Z
dc.date.available2020-04-06T14:15:34Z
dc.date.issued2016
dc.description.abstractПроанализированы достоинства и недостатки архитектур и алгоритмов обучения дискретных нейронных сетей адаптивной резонансной теории (АРТ). Предложены новые архитектуры нейронных сетей АРТ и алгоритмы обучения сетей АРТ без адаптации весов связей распределенных распознающих нейронов.ru
dc.description.abstractThe article analyzes the advantages and disadvantages of architectures and algorithms of training the Adaptive Resonance Theory (ART) to discrete neural networks. The authors propose some new architectures of ART neural networks and training algorithms of these networks without adaptation of link weights of distributed recognizing neurons.en
dc.identifier.citationЗаковоротный А. Ю. Новые архитектуры и алгоритмы обучения нейронных сетей адаптивной резонансной теории [Электронный ресурс] / А. Ю. Заковоротный // Научный результат. Сер. : Информационные технологии: сетевой журн. = Research result. Ser. : Information technologies. – Электрон. текст. данные. – 2016. – Т. 1, № 1. – С. 4-11. – Режим доступа: http://rrinformation.ru/media/information/2016/1/it1.pdf, вільний (дата звернення 06.04.2020 р.)ru
dc.identifier.doidoi.org/10.18413/2518-1092-2016-1-1-4-11
dc.identifier.urihttps://repository.kpi.kharkov.ua/handle/KhPI-Press/45460
dc.language.isoru
dc.subjectнейрорегуляторыru
dc.subjectнедостатки нейронной сетиru
dc.subjectклассификация векторовru
dc.subjectдинамические процессыru
dc.subjectвыходные сигналыru
dc.subjecttraining algorithmsen
dc.subjectadaptive resonance theoryen
dc.subjectdiscrete neural networksen
dc.titleНовые архитектуры и алгоритмы обучения нейронных сетей адаптивной резонансной теорииru
dc.title.alternativeNew architectures and algoritms of training the adaptive resonance theory to neural networksen
dc.typeArticleen

Файли

Контейнер файлів

Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
NR_2016_1_1_Zakovorotnyy_Neyronnye_seti.pdf
Розмір:
839.35 KB
Формат:
Adobe Portable Document Format
Опис:

Ліцензійна угода

Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
11.25 KB
Формат:
Item-specific license agreed upon to submission
Опис: