Поиск по всему репозиторию:

    • Адаптивные методы обучения градиентных нейронных сетей 

      Головко, Владимир Адамович; Савицкий, Юрий Викторович (БрГТУ, 2000)
      В работе рассматривается обобщенный вычислительный алгоритм обучения нейронных сетей различных архитектур: многослойного персептрона, нейронной сети Джордана, нейронной сети Элмана и комбинированной сети с рекуррентными связями Джордана-Элмана. Работа состоит из двух частей. В первой части, ...

      2020-05-13

    • Использование нейронных технологий для автономного управления мобильным роботом 

      Головко, Владимир Адамович; Игнатюк, О. Н. (БрГТУ, 2000)
      Обучение автономного робота без учителя является одной из актуальных задач. Такой подход позволяет системе успешно взаимодействовать с окружающей средой и избегать столкновений с препятствиями. В статье рассматриваются общие принципы построения интеллектуальной системы для управления мобильным ...

      2020-05-13

    • Метод адаптивной инициализации нейроэлементов в алгоритмах обучения градиентных нейронных сетей 

      Савицкий, Юрий Викторович; Головко, Владимир Адамович (БрГТУ, 2000)
      В статье предлагается методика адаптивного определения параметров инициализации нейроэлементов градиентных нейронных сетей, позволяющая снизить вероятность попадания целевой функции обучения в локальные минимумы на начальных стадиях обучения. Данная работа представляет собой дальнейшее развитие ...

      2020-05-11

    • Метод обучения рециркуляционных нейронных сетей 

      Головко, Владимир Адамович; Савицкий, Юрий Викторович (БрГТУ, 2000)
      В статье предлагается новый подход к обучению рециркуляционных сетей. Предлагаемый метод базируется на раздельном обучении различных слоев нейронной сети. Он называется методом послойного обучения.

      2020-05-13

    • Модификации алгоритмов обучения линейных нейронных сетей 

      Брич, Виктор Григорьевич; Головко, Владимир Адамович; Махнист, Леонид Петрович (БрГТУ, 2000)
      В работе рассматривается линейная нейронная сеть, состоящая из n нейронных элементов распределительного слоя и m - выходного слоя. Получены выражения для определения адаптивного шага обучения нейронной сети в случае группового обучения, а также выражения для изменения весовых коэффициентов и порогов ...

      2020-05-11

    • Нейросетевой метод оценки спектра Ляпунова по наблюдаемым реализациям 

      Головко, Владимир Адамович; Чумерин, Николай Юрьевич; Савицкий, Юрий Викторович (БрГТУ, 2002)
      Приводится описание и результаты апробации нового метода, позволяющего оценить спектр Ляпунова динамической системы на основании временного ряда единственной фазовой координаты системы. Численные эксперименты проведены с помощью пакета прикладных программ, разработанного в среде MATLAB 6.0. Результаты ...

      2021-03-24

    • Оптимизация поиска неисправностей в логических типовых элементах замены с использованием многоконтактного зонда компаратора 

      Шуть, Василий Николаевич; Головко, Владимир Адамович; Муравьев, Геннадий Леонидович (БрГТУ, 2002)
      Рассмотренный в настоящей работе метод поиска неисправностей ЛТЭЗ с использованием многоконтактного логического зонда-компаратора предполагает автоматизированное обнаружение и диагностику широкого класса как одиночных, так и кратных неисправностей логических ТЭЗ. Метод ЗПНЛК может применяться как при ...

      2021-03-24

    • Парадигмы обучения нейронных сетей 

      Головко, Владимир Адамович; Головко, Валерий Адамович (БрГТУ, 2003)
      Данная статья носит обзорный характер и ориентирована на основные парадигмы обучения нейронных сетей, которые используются в настоящее время при проектировании интеллектуальных систем. В работе проведен анализ и рассмотрены следующие концепции обучения: обучение с учителем, подкрепляющее обучение и ...

      2021-03-24

    • Параллельные алгоритмы функционирования и обучения нейронных сетей 

      Головко, Владимир Адамович; Трики, Чефи; Савицкий, Юрий Викторович (БрГТУ, 2001)
      В работе рассматриваются проблемы построения параллельных алгоритмов функционирования и обучения многослойных нейронных сетей с прямыми связями, предназначенные для организации вычислений на базе многокомпонентных вычислительных систем с параллельной архитектурой. Использование систем подобного рода ...

      2021-03-25

    • Применение нейронных сетей для прогнозирования и моделирования нелинейных систем 

      Головко, Владимир Адамович; Савицкий, Юрий Викторович; Фоменкова, Наталья Евгеньевна (БрГТУ, 2000)
      В работе рассматривается применение рекуррентной сети для прогнозирования временных и хаотических процессов. Для моделирования аттракторов использовалось отображение Энона. Рассмотрены вопросы временной сложности алгоритма обучения в зависимости от шага обучения. Результаты моделирования обсуждаются.

      2020-05-13

    • Прогнозирование ошибок сенсорных устройств с использованием нейронных сетей 

      Саченко, Анатолий Алексеевич; Кочан, Владимир Владимирович; Турченко, В.; Головко, Владимир Адамович; Савицкий, Юрий Викторович; Дунец, Андрей Петрович (БрГТУ, 2000)
      Рассмотрены особенности применения нейронных сетей для повышения точности измерения физических величин путем прогнозирования дрейфа сенсоров. Предложена методика увеличения объема данных для обучения прогнозирующей нейронной сети за счет вытеснения различных типов данных для обучения нейронной сети ...

      2020-05-13

    • Распознавание регистрационных номеров автомобилей с использованием нейронных сетей 

      Головко, Владимир Адамович; Дунец Андрей Петрович; Кирись, А. Н.; Селезнев, Петр Владимирович (БрГТУ, 2003)
      В работе рассмотрены методы распознавания обрезов, применимые для распознавания стилизованных цифр и букв на сильнозашумленных изображениях. Предложена обобщенная структурная схема системы распознавания автомобильных номеров, реализующая трехэтапный процесс обработки изображений, включающий фильтрацию, ...

      2021-03-24

    • Эмуляция нейронных сетей на многопроцессорной системе 

      Головко, Владимир Адамович; Дунец, Андрей Петрович; Савицкий, Юрий Викторович (БрГТУ, 2002)
      В статье рассматриваются принципы моделирования нейронных сетей на многопроцессорных системах. Предлагаются различные процедуры распараллеливания обучающих алгоритмов, ориентированные на разные варианты нейросетевых архитектур. Приводятся и анализируются результаты вычислительных экспериментов.

      2021-03-24