Национальный цифровой ресурс Руконт - межотраслевая электронная библиотека (ЭБС) на базе технологии Контекстум (всего произведений: 509875)
Консорциум Контекстум Информационная технология сбора цифрового контента
Уважаемые СТУДЕНТЫ и СОТРУДНИКИ ВУЗов, использующие нашу ЭБС. Рекомендуем использовать новую версию сайта.
  Расширенный поиск
Результаты поиска

Нашлось результатов: 172491 (0,60 сек)

Свободный доступ
Ограниченный доступ
Уточняется продление лицензии
1

Современные проблемы науки учеб. пособие

Автор: Ясницкий Л. Н.
М.: Лаборатория знаний

Рассмотрены вопросы становления и эволюции науки, психологии познания, а также способы передачи знаний и образование как фундаментальная категория науки. Обсуждаются взаимоотношения науки и философии, науки и религии, науки и искусства, науки и квазинауки. Особое внимание уделено проблемам взаимоотношения науки и производства, негативным последствиям научно-технического прогресса. Изложены и проанализированы современные методы получения научных знаний (технологии математического моделирования и искусственного интеллекта, включая обучение их практическому применению в различных областях человеческой деятельности).

виды активационных функций. <...> Линейные активационные функции. <...> активационные функции. <...> виды активационных функций. <...> активационные функции.

Предпросмотр: Современные проблемы науки.pdf (0,2 Мб)
2

ОБУЧЕНИЕ НЕЙРОННЫХ СЕТЕЙ МЕТОДОМ ЛЕВЕНБЕРГА-МАРКВАРДТА В УСЛОВИЯХ БОЛЬШОГО КОЛИЧЕСТВА ДАННЫХ [Электронный ресурс] / Пархоменко, Леденёва // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии .— 2014 .— №2 .— С. 97-105 .— Режим доступа: https://rucont.ru/efd/511958

Автор: Пархоменко

Для достижения высокой точности обучения нейронной сети часто применяют алгоритм Левенберга-Марквардта. Однако алгоритм требует сложные вычисления, занимающей много времени. В данной статье представлено подробное описание метода и предложены способы его оптимизации и распараллеливания с целью увеличения производительности

слоя в выходным нейроном, σ – коэффициент смещения для выходного нейрона, ( )1 ,act x ( )2act x – активационные <...> так как для каждой новой модели нейронной сети (при изменении количества скрытых слоёв и/или замене активационных <...> функций) потребуется заново выводить формулы. <...> Функции для испытаний: a) функция Бирда, b) функция Букина, c) шестигорбовая обратная верблюжья функция <...> (на графике самих горбов не видно из-за масштабирования), d) функция МакКормика, e) волновая функция

3

Интеллектуальные системы учебник

Автор: Ясницкий Л. Н.
М.: Лаборатория знаний

В учебнике приведена история становления научной области «искусственный интеллект». Освещены основные направления ее развития и сферы применения, выполнено сопоставление трех основных стратегических подходов к созданию интеллектуальных систем: технологии экспертных систем, технологии нейронных сетей и технологии эволюционного моделирования. Изложены теоретические основы и даны примеры разработки интеллектуальных систем, а также примеры их применения для интеллектуального анализа данных в промышленности, экономике, бизнесе, психологии, социологии и других областях. Книга является исчерпывающим руководством по освоению технологий создания интеллектуальных нейросетевых систем и их применению для решения широкого круга проблем, встречающихся во многих областях деятельности современного человека.

функция (4.2) называется активационной функцией нейрона. <...> Нарисуйте сигмоидную активационную функцию и напишите ее математическую формулу. 2. <...> Выбор активационных функций. <...> Авторы работы [92] предлагают логарифмическую активационную функцию y = ln(S + √ S2 + 1). <...> функции, являются логическим дополнением нейронов со ступенчатыми и сигмоидными активационными функциями

Предпросмотр: Интеллектуальные системы учебник — Эл. изд..pdf (0,2 Мб)
4

Интеллектуальные системы учеб. пособие

Автор: Семенов А. М.
ОГУ

В учебном пособии рассмотрены теоретические основы интеллек- туальных систем, модели и методы интеллектуального анализа данных. Теоретический материал дополнен примерами и программной реализа- цией интеллектуальных задач, вопросами и тестами для проверки ус- воения материала.

Активационная функция это пороговая зависимость, результат которой вычисляется следующим образом. <...> Наибольшее распространение получили следующие активационные функции (рисунок 1.41): 1) линейная (рис. <...> различного определения, например (рис. 1.41 г):    F x sign x .  (1.21) Рисунок 1.41 Активационные <...> 8 Приведите структуру и математическое описание искусственного нейрона. 9 Что такое активационная функция <...> 10 Приведите типовые активационные функции. 11 Приведите структуру однослойной искусственной нейронной

Предпросмотр: Интеллектуальные системы.pdf (0,3 Мб)
5

Моделирование систем Учебно-методическое пособие

Ивановский государственный химико-технологический университет

Цель учебного пособия дать студентам общее представление о современных методах моделирования технических и технико-экономических систем и объектов. В пособии рассматриваются общие вопросы и современная методология моделирования, непрерывные и дискретные детерминированные модели объектов и систем, стохастические модели с дискретным и непрерывным временем. Большое внимание уделено методам имитационного моделирования систем с вероятностными характеристиками. Дается обзор других подходов к моделированию сложных систем, таких как информационно-энтропийный, использование нейронных сетей и сетей Петри. Учебное пособие предназначено для студентов, обучающихся по специальностям подготовки 080801 Прикладная информатика и 230201 Информационные системы и технологии. Кроме того, пособие может быть полезным для студентов других специальностей и направлений.

Виды активационных функций будут рассмотрены ниже. <...> Основные виды активационных функций искусственных нейронов Пороговая функция активации При использовании <...> Линейные функции активации Нередко в качестве активационных функций искусственных нейронов используют <...> и прочие активационные функции с неоднородностями не подходят для рассматриваемого метода. <...> Основные виды активационных функций искусственных нейронов 5.2.4.

Предпросмотр: Моделирование систем.pdf (0,3 Мб)
6

Оценивание геометрических параметров биомедицинских диагностических изображений [учеб. пособие]

Автор: Ильясова
Издательство СГАУ

Оценивание геометрических параметров биомедицинских диагностических изображений. Используемые программы: Adobe Acrobat. Труды сотрудников СГАУ (электрон. версия)

Выбор функции активации. Монотонные функции активации ( )f ⋅ не влияют на классификацию. <...> подразумевается выход нейрона j , а под js – взвешенная сумма его входных сигналов, то есть аргумент активационной <...> функции. <...> активационной функции должна быть определена на всей оси абсцисс. <...> В связи с этим функции единичного скачка и прочие активационные функции с неоднородностями не подходят

Предпросмотр: Оценивание геометрических параметров биомедицинских диагностических изображений.pdf (0,3 Мб)
7

№2 [Вестник Российского университета дружбы народов. Серия: Инженерные исследования, 2016]

Журнал «Вестник РУДН, серия „Инженерные исследования“» публикует статьи, содержащие результаты оригинальных исследований,имеет основные рублики: ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ, ИПАРАЛЛЕЛЬНОЕ ПРОГРАММИРОВАНИЕ, ДЕНТИФИКАЦИЯ И СИНТЕЗ СИСТЕМ УПРАВЛЕНИЯ

используется вариационный генетический алгоритм, который подбирает закодированные в коде Грея параметры сети и активационные <...> функции каждого слоя сети. <...> вариаций описывает малые изменения кода значения одного из параметров нейронной сети, и указывает вид активационной <...> функции в одном из слоев сети. <...> Каменная кладка стен между опорами выполняет только ограждающую функцию (рис. 7).

Предпросмотр: Вестник Российского университета дружбы народов. Серия Инженерные исследования №2 2016.pdf (0,3 Мб)
8

Нейросетевые и гибридные системы

Автор: Каширина Ирина Леонидовна
Издательский дом ВГУ

Учебно-методическое пособие подготовлено на кафедре математических методов исследования операций факультета прикладной математики, информатики и механики Воронежского государственного университета.

Выход нейрона есть функция его состояния: y = f(s), где f – активационная функция, моделирующая нелинейную <...> Примеры некоторых активационных функций представлены в табл. 1 и на рис. 3. <...> Примеры активационных функций а – функция единичного скачка; б – линейный порог; в – логистическая функция <...> В качестве активационной функции в сети обратного распространения обычно используется логистическая функция <...> функции; s – аргумент активационой функции (взвешенная сумма входов); T – величина порога.

Предпросмотр: Нейросетевые и гибридные системы .pdf (0,9 Мб)
9

ПРИМЕНЕНИЕ ИСКУССТВЕННОЙ НЕЙРОННОЙ СЕТИ НЕОКОГНИТРОН ДЛЯ РАСПОЗНАВАНИЯ ГОСУДАРСТВЕННЫХ РЕГИСТРАЦИОННЫХ ЗНАКОВ [Электронный ресурс] / Тассов // Инженерный журнал: наука и инновации .— 2012 .— №1 .— Режим доступа: https://rucont.ru/efd/274747

Автор: Тассов
М.: Изд-во МГТУ им. Н.Э. Баумана

Представлена реализация искусственной нейронной сети неокогнитрон и проведено сравнение с другими нейронными сетями. Исследования показали высокую устойчивость сети к шумам, сдвигу и повороту в сопоставлении с другими нейронными сетями.

распространения [4] 2* По 20** 150*** в слое Кохонена, 20 в слое Гроссберга Однослойный персептрон, активационная <...> функция — сигмоида [1] 1 20 150 Однослойный персептрон, активационная функция — гиперболический тангенс <...> 1 20 150 Многослойный персептрон, активационная функция — сигмоида 3 По 150 в скрытых, 20 в выходном <...> 150 Многослойный персептрон, активационная функция — гиперболический тангенс 3 По 150 в скрытых, 20 <...> функции желательнее использовать гиперболический тангенс, а не сигмоиду.

10

МЕТОД ОБЕСПЕЧЕНИЯ БЕЗОПАСНОСТИ ПЕРСОНАЛЬНЫХ ДАННЫХ ПРИ ИХ ОБРАБОТКЕ В ИНФОРМАЦИОННОЙ СИСТЕМЕ НА ОСНОВЕ АНАЛИЗА ПОВЕДЕНИЯ ПОЛЬЗОВАТЕЛЕЙ [Электронный ресурс] / И.С. Козин // Информационно-управляющие системы .— 2018 .— №3 .— Режим доступа: https://rucont.ru/efd/657752

Автор: Козин И. С.

Постановка проблемы: с развитием информационных технологий появляются новые классы средств защиты персональных данных при их обработке в информационных системах. Одним из классов средств защиты информации являются системы анализа поведения пользователей. При разработке средств анализа поведения все большее распространение получают методы машинного обучения, в том числе с применением математического аппарата теории искусственных нейронных сетей. Однако подходы к разработке средств защиты информации, основанные на машинном обучении, на сегодня изучены недостаточно. Цель: разработка метода создания искусственной нейронной сети, обеспечивающей проведение анализа санкционированного поведения пользователей информационной системы и выявление аномалий в поведении, сигнализирующих о совершении противоправных действий. Результаты: обзор подходов к обеспечению безопасности информации с применением искусственных нейронных сетей показал активное их развитие по разным направлениям, в том числе в направлении выявления аномалий. Разработан метод создания искусственной нейронной сети, включающий предложения по определению типа нейронной сети, области числовых значений входных и выходного сигналов, количества слоев и нейронов в слоях, метода обучения, а также типа акти- вационных функций. В качестве входных значений предложено использовать характеристики поведения пользователя: набор данных, с которыми работает пользователь; место доступа к информационной системе; набор действий, которые совершает пользователь; время, в которое осуществляются доступ или определенные действия; общая продолжительность проводимых в течение определенного времени работ. На примере времени выполнения доступа пользователя предложен подход к присвоению характеристике пользователя числовых значений, основанный на применении математического аппарата теории нечетких множеств. Практическая значимость: обученная нейронная сеть обеспечивает более оперативное выявление аномалий в поведении пользователя, чем анализ специалиста по обеспечению безопасности информации без использования специальных средств автоматизации.

выходной сигнал NET (создается суммирующим блоком, является алгебраической суммой взвешенных входов), активационная <...> необходимого количества слоев ИНС и количества нейронов в слоях ИНС; — выбор метода обучения ИНС; — выбор активационных <...> Активационные функции. <...> Для обеспечения сходимости алгоритма обратного распространения ошибки в качестве активационной функции <...> (для гарантированной минимизации среднеквадратичной ошибки) и гиперболических тангенсов в качестве активационных

11

ЭВОЛЮЦИОННЫЙ СИНТЕЗ НЕЧЕТКИХ РЕГУЛЯТОРОВ [Электронный ресурс] / М. В. Бураков, А. С. Коновалов, О. Б. Яковец // Информационно-управляющие системы .— 2015 .— №6 .— doi: 10.15217/issn1684-8853.2015.6.28 .— Режим доступа: https://rucont.ru/efd/342311

Постановка проблемы: ПИД-регуляторы давно известны и широко используются в промышленности, к их достоин- ствам относится простота структуры и реализации. Однако для объектов со значительными нелинейностями использова- ние линейных ПИД-регуляторов может не обеспечивать приемлемое качество управления. Цель: построение нечетких регуляторов ПИД-типа, настраиваемых с помощью эволюционных алгоритмов и позволяющих улучшить качество рабо- ты обычных ПИД-регуляторов. Результаты: исследован нечеткий регулятор ПИД-типа с тремя независимыми базами правил. Предложена двухшаговая схема настройки регулятора для нелинейного динамического объекта. На первом шаге генетический алгоритм применяется для настройки линейного ПИД-регулятора, полученные коэффициенты исполь- зуются на выходе каждого канала нечеткого регулятора ПИД-типа. На втором шаге с помощью генетического алгоритма формируется нелинейная преобразующая функция для каждого канала, реализуемая на базе искусственной нейронной сети. Алгоритм управления отлажен и проверен с помощью системы MatLab. Полученные результаты показывают значи- тельное улучшение характеристик переходного процесса по сравнению с традиционными регуляторами. Практическая значимость: нечеткие регуляторы ПИД-типа могут эффективно использоваться при управлении нелинейными объекта- ми в промышленности, что подтверждают рассмотренные в статье примеры.

В качестве радиальной базисной функции  обычно используется гауссова функция ( ) 2 2 ,ii i i x c x <...> c  æ ö÷ç ÷ç ÷ç= ÷ç ÷ç ÷÷çè ø exp 2 где  — ширина «окна» активационной функции; ci — центр активационной <...> можно упростить, если заранее распределить RBF-нейроны по базовой шкале и выбрать фиксированную ширину активационных <...> функций. <...> вариант можно представить в виде RBF-сети, в которой радиально-базисные нейроны имеют прямоугольные активационные

12

Исследование наблюдателей состояния для применения в управлении электроприводами [Электронный ресурс] / Козлова, Паюк // Научный вестник Новосибирского государственного технического университета .— 2016 .— №1 .— С. 7-16 .— Режим доступа: https://rucont.ru/efd/610312

Автор: Козлова

Важным аспектом при управлении сложными динамическими объектами, предназначенными для работы в тяжелых эксплуатационных условиях, таких как агрессивная, взрывоопасная и запыленная среды, экстремальные температуры, повышенная вибрация [1], является применение в них реальных датчиков. Использование наблюдателей состояния в таких объектах позволит повысить эксплуатационную надежность электропривода, избежать ударных токов [2, 3], уменьшить массогабаритные характеристики и др. В последнее время предъявляются высокие требования к современным системам управления электроприводов, а именно: точное управление скоростью, поддержание высокого момента на низких скоростях управления, ограничение пусковых и ударных токов, высокие динамические характеристики, высокая точность отработки сигнала, улучшение координатной точности [4]. На сегодняшний день известны различные методы идентификации параметров и переменных состояния асинхронного электропривода, к числу которых можно отнести расширенный фильтр Калмана; наблюдатель, созданный на основе нейронной сети и с помощью нечеткой логики; генетические алгоритмы. Большинство известных наблюдателей не обеспечивают поддержание необходимой точности идентификации параметров и переменных состояния во всем диапазоне регулирования скоростей при различных режимах работы электропривода и несинусоидальности форм статорных токов. Последнее замечание характерно при управлении асинхронным двигателем от тиристорного регулятора напряжения или автономного инвертора напряжения [5]. Целью исследования, представленного в статье, является сравнительный анализ наиболее часто встречающихся на практике наблюдателей состояния асинхронного электропривода по простоте их реализации (с точки зрения математического описания) и робастности. На основе данного анализа выработаны практические рекомендации по их применению в данном виде электропривода с точки зрения их эффективности

Выходная функция нейрона Y, называемая активационной, в большинстве случаев имеет нелинейный характер <...> На сегодняшний день к наиболее часто используемым активационным функциям нейрона относятся [15] пороговая <...> , линейная, сигмоидальная, тангенциальная, радиально-базисная активационные функции. <...> На практике в качестве активационной функции нейронов выходного слоя используется линейная функция. <...> функция активации.

13

Компьютерное моделирование памяти в биологических нейронных сетях [Электронный ресурс] / Крамаренко, Крамаренко // Актуальные проблемы современной науки .— 2012 .— №2 .— С. 182-190 .— Режим доступа: https://rucont.ru/efd/253767

Автор: Крамаренко
М.: ПРОМЕДИА

Способы построения и визуализации работы искусственной случайной нейронной сети, воспроизводящей свойства памяти биологических нейронных систем.

БИБКОМ» & ООО «Aгентство Kнига-Cервис» Актуальные проблемы современной науки, № 2, 2012 186 j (Ч) – активационная <...> функция, yk – выходной сигнал нейрона. <...> Активационная функция нейрона j (Ч) определяет нелинейное преобразование, осуществляемое нейроном. <...> Имеется множество видов активационных функций, но более всего распространена пороговая. <...> Таким образом, моделируется функция памяти в случайных нейронных сетях.

14

ИСПОЛЬЗОВАНИЕ ЦВЕТОВОЙ ПИРОМЕТРИИ ПРИ ИЗМЕРЕНИИ ТЕМПЕРАТУРЫ СТРУЖКИ ПРИ ВЫСОКОСКОРОСТНОЙ ОБРАБОТКЕ [Электронный ресурс] / Биленко, Саблин, Леонтьевская // Контроль. Диагностика .— 2013 .— №8 .— С. 39-45 .— Режим доступа: https://rucont.ru/efd/486208

Автор: Биленко

Температура в зоне резания при механической обработке является фактором, влияющим на качество и точность изделий. В связи с этим возникает необходимость управления тепловыми явлениями при механической обработке материалов. Существует необходимость в диагностике температуры в зоне резания.

приведения выходных значений фотодиодов к единому масштабу яркостей b и состоит из нейронов с линейной активационной <...> функцией. <...> общеупотребительной в машиностроении шкале Цельсия), то выходной нейрон имеет нелинейную сигмоидную активационную <...> функцию. <...> функцией.

15

Нейронные сети учеб. пособие

Автор: Горожанина Е. И.
Изд-во ПГУТИ

Учебное пособие имеет целью ознакомить учащихся с компонентами интеллектуальных систем, а именно искусственные нейронные сети. Предусмотрено рассмотрение принципов построения интеллектуальных информационных систем и их «настройке». Затрагивается вопрос применения инструментальных средств поддержки проектирования и построения нейросетей.

Функция активации (активационная функция, функция возбуждения) – функция, вычисляющая выходной сигнал <...> Математическая модель ИНС в сети ОРО отличается от других использованием сигмоидальной активационной <...> Использование сигмоидальной активационной функции обусловлено тем, что эта функция непрерывна и дифференцируема <...> В секции «Активационная функция» следует определить тип функции активации нейронов и ее крутизну. <...> Функция активации (активационная функция, функция возбуждения) – функция, вычисляющая выходной сигнал

Предпросмотр: Нейронные сети учебное пособие.pdf (0,6 Мб)
16

АППЛИКАЦИЯ НЕЙРОННЫХ СЕТЕЙ К ЭКОНОМИЧЕСКИМ ИССЛЕДОВАНИЯМ [Электронный ресурс] / Гостилович [и др.] // Проблемы экономики .— 2015 .— №5 (69) .— С. 29-32 .— Режим доступа: https://rucont.ru/efd/493303

Автор: Гостилович

Статья посвящена описанию нейронной сети, принципам работы и обучения искусственной нейронной сети и её применению в экономике

Ключевые слова: искусственная нейронная сеть, синапсы, сигмоидная функция, экспертная группа. <...> соединенияw, который модулирует действие соответствующих входных сигналов, а тело клетки представлено активационной <...> функцией f(s). <...> Скрытый и выходной слои реализуют функцию сети. <...> Виды активационной функции f(s): а) функция единичного скачка; б) линейный порог (гистерезис); в) сигмоид

17

ПРИМЕНЕНИЕ НЕЙРОСЕТЕЙ В ПРОЦЕССЕ ПОДБОРА ПЕРСОНАЛА [Электронный ресурс] / Азарнова, Терновых // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии .— 2009 .— №2 .— С. 74-78 .— Режим доступа: https://rucont.ru/efd/519740

Автор: Азарнова

В данной статье исследуются возможности использования технологий нейронных сетей для разработки маркетинговых механизмов регулирования процессов посредничества в подборе персонала на рынке труда. В качестве посредников рассматриваются такие специализированные институты как кадровые агентства

Это связано, прежде всего, с коммуникативноинформационной, организационной и регулятивной функциями кадровых <...> и суперпозиций функций одного переменного. <...> Таким образом, нейронные сети вычисляют суперпозиции простых функций одного переменного и их линейных <...> однородная нейронная сеть с последовательными связями, с сигмоидальными f s e s ( ) = + Ê ËÁ ˆ ¯̃1 1 a активационными <...> однородная нейронная сеть с сигмоидальными активационными функциями.

18

Основы экспериментальных исследований : учебное пособие. Направление подготовки 13.03.02 – Электроэнергетика и электротехника. Профиль подготовки «Электроснабжение». Бакалавриат

Автор: Баландина Н. В.
изд-во СКФУ

Составлено в соответствии с требованиями Федерального государственного стандарта высшего профессионального образования, рабочим учебным планом и программой дисциплины «Электроэнергетика и электротехника» для студентов направления подготовки 13.03.02 – Электроэнергетика и электротехника

Сигнал NET далее, как правило, преобразуется активационной функцией F и дает выходной нейронный сигнал <...> Активационная функция может быть обычной линейной функцией: OUT = F(NET), где F – константа, пороговой <...> активационную функцию можно считать нелинейной усилительной характеристикой искусственного нейрона. <...> В качестве активационной функции искусственной нейронной сети она записывается следующим образом: . ( <...> Каждой вершине V сопоставим активационную функцию φυ, каждой дуге (u, υ) – вес Wu,υ.

Предпросмотр: Основы экспериментальных исследований учебное пособие. Направление подготовки 13.03.02 – Электроэнергетика и электротехника. Профиль подготовки «Электроснабжение». Бакалавриат.pdf (0,6 Мб)
19

МЕХАНИЗМЫ ИНСТАЛЛЯЦИЙ НЕЙРОСЕТЕВЫХ ТЕХНОЛОГИЙ В ЭКОНОМИЧЕСКУЮ ПРАКТИКУ [Электронный ресурс] / Соколянский [и др.] // Вопросы экономических наук .— 2015 .— №1 .— С. 80-86 .— Режим доступа: https://rucont.ru/efd/490181

Автор: Соколянский

В данном материале изложено использование нейросетевых технологий в разных сферах экономики

Полученная сумма преобразуется активационной функцией F в выходной нейронный сигнал, создается выход <...> Арнольда о представлении непрерывных функций многих переменных в виде суперпозиции непрерывных функций <...> Неизвестными остаются характеристики функций активации нейронов. <...> собой нелинейные функции общего вида. <...> В качества активационной функции была выбрана сигмоидальная функция: где x – выходное значение сумматора

20

АДАПТАЦИЯ МЕТОДОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ ОЦЕНКИ ЭМОЦИОНАЛЬНОГО СОСТОЯНИЯ ЧЕЛОВЕКА [Электронный ресурс] / Ю.Т. Каганов, А.М. Мокров, Н.В. Мокрова // Известия Санкт-Петербургского государственного технологического института (технического университета) .— 2016 .— №33(59) .— doi: 10.15217/issn1998984-9.2016.33.101 .— Режим доступа: https://rucont.ru/efd/359308

Автор: Каганов Ю. Т.

Выполнен анализ работы алгоритмов искусственных нейронных сетей на основе карты Кохонена для осуществления видеоконтроля и распознавания лица человека. Создан алгоритм на основе адаптации методов искусственного интеллекта для решения задачи распознавания лиц, позволяющий повысить эффективность работы системы по сравнению с традиционными нейронными сетями.

После адаптации соответствующих функций и создания новых примитивов Хаара предложенный алгоритм может <...> Для выбора требуемых функций Хаара и установления пороговых значений перепада по яркости использован <...> нейрона, а также в последующей передаче полученных данных на аксон, где к ним может быть применена активационная <...> функция, определяемая типом сети. <...> Сети на основе персептронов имеют передаточную (активационную) функцию, а также построены на прямом распространении

21

ПРИМЕНЕНИЕ НЕЙРОСЕТЕВЫХ ТЕХНОЛОГИЙ РАСПОЗНАВАНИЯ ОБРАЗОВ ДЛЯ ДИАГНОСТИКИ КОНТАКТНОЙ СВАРКИ В ПРОИЗВОДСТВЕННОЙ СРЕДЕ [Электронный ресурс] / Климов, Комиренко // Сварка и Диагностика .— 2013 .— №2 .— С. 46-50 .— Режим доступа: https://rucont.ru/efd/613342

Автор: Климов

Исследование направлено на изучение возможности диагностики контактной сварки с помощью рекуррентных нейронных сетей. Приведены результаты экспериментальной апробации предложенных принципов для оценки качества сварки пакета заготовок из стали 08кп толщиной 0,8 + 0,8 мм путем предсказывания разрушающего усилия на срез сварного соединения

Выходной сигнал с каждого нейрона второго слоя опре� деляется через активационную функцию f: (p + 1) <...> = f [ (p + 1)], j = 1, ..., m, (6) где f(x) — активационная функция с порогом F, f(x) = (7) Порог F на <...> увеличении параметра a больше значения, равного ко� личеству периодов сварки, отсутствует рост точности функци

22

Нейросетевой метод синтеза информативных признаков для классификации источников сигналов в системах когнитивного радио [Электронный ресурс] / Аджемов [и др.] // Вестник Московского университета. Серия 3. Физика. Астрономия .— 2016 .— №2 .— С. 36-41 .— Режим доступа: https://rucont.ru/efd/373194

Автор: Аджемов

В статье рассматриваются возможные методы синтеза информативных признаков для классификации источников сигналов в системах когнитивного радио при помощи искусственных нейронных сетей. Предлагается метод синтеза, основанный на применении автоассоциативных нейронных сетей. Информативность синтезированных признаков с точки зрения классификации сигналов оценивается с помощью модифицированной искусственной нейронной сети на радиальных базисных функциях, содержащей дополнительный самоорганизующийся слой нейронов, обеспечивающих автоматический подбор дисперсии базисных функций и существенное снижение размерности сети. Показано, что использование автоассоциативных сетей позволяет в задаче о классификации источников сигналов синтезировать признаковое пространство минимальной размерности с сохранением разделительных свойств.

сигналов оценивается с помощью модифицированной искусственной нейронной сети на радиальных базисных функциях <...> сверхпроводниковых джозефсоновских технологий (элементы J1, J2, J3 ) и рассчитанный вид перестраиваемой активационной <...> функции (зависимость выходного напряжения Vout от тока развертки IB ) современных полупроводниковых <...> Пример реализации энергоэффективного нейрона вместе с рассчитанным видом перестраиваемых активационных <...> функций представлен на рис. 4.

23

Принцип построения архитектуры нейроэмулятора угловой скорости электропривода по схеме ТРН–АД [Электронный ресурс] / Козлова // Научный вестник Новосибирского государственного технического университета .— 2015 .— №1 .— С. 161-170 .— Режим доступа: https://rucont.ru/efd/395283

Автор: Козлова

В настоящее время одной из распространенных систем управления динамикой асинхронного электропривода являются системы мягкого пуска, основное предназначение которых – плавный пуск и останов. Для обеспечения необходимого качества управления динамикой асинхронного электропривода по схеме ТРН–АД производственных механизмов с произвольным характером изменения момента нагрузки следует применять систему, замкнутую по сигналу обратной связи угловой скорости ротора. Использование датчиков скорости зачастую нецелесообразно с точки зрения удобства эксплуатации электропривода в технологическом процессе. Более удобным способом формирования сигнала обратной связи является нейросетевой наблюдатель скорости, важной особенностью которого является нечувствительность к изменению внутренних параметров электропривода; данный наблюдатель обладает высокими обобщающими свойствами, не требует знания параметров асинхронного электродвигателя и относительно прост в реализации. Целью исследования в статье является выбор наилучшей архитектуры нейроэмулятора угловой скорости электропривода по схеме ТРН–АД.

Активационная функция определяет выходное значение нейрона сети, а алгоритм обучения – нахождение корреляционных <...> активации, как пороговая функция, сигмоидальная функция, тангенциальная функция. <...> Моллера, функция активации, пороговая функция, сигмоидальная функция, тангенциальная функция, имитационное <...> Активационная функция определяет выходное значение нейрона в зависимости от входного сигнала, сигнала <...> функции с разрывной производной.

24

№2 [Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии, 2014]

Журнал входит в Перечень ВАК ведущих рецензируемых научных журналов и изданий, в которых должны быть опубликованы основные научные результаты диссертаций на соискание ученых степеней доктора и кандидата наук

Функцию ( )F X можно трактовать как функцию обобщенного спроса (спрос минус предложение). <...> функции принадлежности. <...> слоя в выходным нейроном, σ – коэффициент смещения для выходного нейрона, ( )1 ,act x ( )2act x – активационные <...> так как для каждой новой модели нейронной сети (при изменении количества скрытых слоёв и/или замене активационных <...> Функции для испытаний: a) функция Бирда, b) функция Букина, c) шестигорбовая обратная верблюжья функция

Предпросмотр: Вестник Воронежского государственного университета. Серия Системный анализ и информационные технологии №2 2014.pdf (0,4 Мб)
25

Конспект лекций по учебной дисциплине «Проектирование баз данных и баз знаний» по специальности: 080801 Прикладная информатика (в экономике)

Автор: Жданова Е. И.
Изд-во ПГУТИ

Дисциплина имеет целью ознакомить учащихся с некоторыми методами организации знаний, возможными компонентами интеллектуальных систем, такими как: искусственные нейронные сети, нечеткие системы, генетические алгоритмы. Предусмотрено обучение студентов принципам построения интеллектуальных информационных систем и их «настройке», анализу существующих элементов интеллектуальности и выбору оптимального. Затрагивается вопрос применения инструментальных средств поддержки проектирования и построения нейросетей, нечетких экспертных систем и систем, функционирующих на основе генетических алгоритмов.

Функция активации (активационная функция, функция возбуждения) – функция, вычисляющая выходной сигнал <...> Математическая модель ИНС в сети ОРО отличается от других использованием сигмоидальной активационной <...> функцией. <...> Использование сигмоидальной активационной функции обусловлено тем, что эта функция непрерывна и дифференцируема <...> Функция активации (активационная функция, функция возбуждения) – функция, вычисляющая выходной сигнал

Предпросмотр: Проектирование баз данных и баз знаний Конспект лекций .pdf (0,4 Мб)
26

№3 [Вестник Пермского университета. Серия Биология=Bulletin of Perm University. BIOLOGY, 2010]

Издание включает как теоретические работы, так и статьи, содержащие результаты конкретных исследований по ботанике и физиологии растений, ихтиологии и этологии, энтомологии и гидробиологии, микробиологии, почвоведению. Медико-биологическим проблемам, биоэкологи и охране природы, а также рецензии на некоторые публикации. Все статьи проходят рецензирование.

Логическая функция (2) называется активационной функцией нейрона. <...> Пороговая активационная функция нейрона, заданная формулой (2) Вместо разрывной активационной функцииступеньки <...> часто используют непрерывную активационную функцию, заданную формулой Se y   1 1 (3) и называемую <...> График активационной функции-сигмоиды изображен на рис. 5. <...> Сигмоидная активационная функция В отличие от обычного компьютера нейрокомпьютер не программируется,

Предпросмотр: Вестник Пермского университета. Серия Биология №3 2010.pdf (0,7 Мб)
27

ЭФФЕКТ ЭКОНОМИЧНОСТИ [Электронный ресурс] / Е.А. Малышев // Креативная экономика .— 2012 .— №11 .— С. 90-94 .— Режим доступа: https://rucont.ru/efd/538771

Автор: Малышев Евгений Авенирович

Инновационная система планирования основывается на прогнозе расходов энергоресурсов на основе нейросетевых технологий. Применение нейросетевых методов позволяет создать новую модель управления энергетической энергоэффективностью в государственных учреждениях, включающую принципиально новую систему стимулирования снижения энергозатрат

параметрах нейронной сети изначально было указано два скрытых слоя по пять нейронов в каждом с сигмоидальной активационной <...> функцией.

28

О РАЗВИТИИ ЭМОЦИОНАЛЬНОГО ИНТЕЛЛЕКТА КАК РЕСУРСА ЛИЧНОСТНОГО РОСТА ЧЕЛОВЕКА [Электронный ресурс] / Н.В. Ланина // Акмеология .— 2015 .— №3 .— С. 99-100 .— Режим доступа: https://rucont.ru/efd/405571

Автор: Ланина Надежда Владимировна

Статья посвящена проблеме развития личностной зрелости через осознание эмоций и чувств. Анализируется содержание, значимость и пути развития эмоционального интеллекта как важного ресурса личностного роста человека.

Эмоции выполняют целый ряд функций, способствующих здоровому способу взаимодействия человека с миром <...> и с самим собой (функция оценки, побуждения, регуляции, активации, экспрессии и др.) [1, 3]. <...> Низкий уровень осознания и регуляции эмоций проявляет себя в блокировании важных функций эмоций, в отсутствии <...> Происходит уход от решения проблемы, отказ от собственных эмоций, игнорирование их оценочной и активационной <...> функций.

29

НЕЙРОСЕТЕВЫЕ МЕТОДЫ И АЛГОРИТМЫ УПРАВЛЕНИЯ В СОЦИАЛЬНО-ЭКОНОМИЧЕСКИХ СИСТЕМАХ [Электронный ресурс] / К.Е. Токарев // Бизнес. Образование. Право. Вестник Волгоградского института бизнеса .— 2016 .— №2 (35) .— С. 125-128 .— Режим доступа: https://rucont.ru/efd/415740

Автор: Токарев Кирилл Евгеньевич

В статье рассмотрены возможности применения алгоритмического и математического аппарата нейросетевых моделей в задачах управления социально-экономическими системами. В ходе исследования автором проанализированы современные подходы к моделированию управления социально-экономическими системами, разработана алгоритмическая модель обучения и функционирования нейронной сети, а также представлена структурная модель базового компонента сети – искусственного нейрона. Кроме того, проанализированы возможности и выявлены пути адаптации существующих классов одно- и двухслойных нейросетевых моделей с экзо- и эндогенными сигналами для обоснования управленческих решений на основе использования инструментальных средств для многовариантного анализа альтернатив в задачах управления в социальных и экономических системах.

нейронные сети, которые позволяют с предварительно заданной точностью аппроксимировать любую непрерывную функцию <...> входных сигналов, формируя тем самым величину s: ∑ = ⋅= n i ii xwS 1 . (1) Выход нейрона определяется как функция <...> его состояния: y = f(s), где f – активационная функция, моделирующая нелинейную передаточную характеристику <...> соответствующими весами (формируя сигналы ∑ = ⋅= n i ii xwS 1 ), затем применяет к каждой сумме передаточную функцию <...> Построение нейросетевых моделей прогнозирования временных рядов урожайности на основе автокорреляционных функций

30

Классификация степени тяжести заболевания на основе искусственных нейронных сетей [Электронный ресурс] / Молодченков, Фраленко, Хачумов // Вестник Российского университета дружбы народов. Серия: Математика, информатика, физика .— 2014 .— №2 .— С. 152-158 .— Режим доступа: https://rucont.ru/efd/404413

Автор: Молодченков

Задача автоматической классификации степени тяжести заболеваний является актуальной, так как её решение существенно облегчает работу врача при анализе больших объёмов данных и постановке диагноза. Существуют различные подходы к решению этой задачи. Один из них связан с применением продукционных правил. Продукционные правила расширяют возможности представления знаний в клинической медицине и эффективны при построении диагностических систем. Отмечая перспективность применения продукционных правил, тем не менее, следует заметить, что решение на их основе реальных задач высокого уровня сложности требует больших объёмов вычислений и перестройки структуры системы правил при изменении условий задачи. В то же время в качестве эффективного альтернативного инструмента анализа сложных ситуаций и классификации широкое распространение получили искусственные нейронные сети (ИНС), которые позволяют проводить распознавание и диагностирование различных явлений и объектов высокой сложности путём обучения.

Использованы искусственные нейронные сети различной конфигурации и с разными функциями активации: однослойный <...> этой задачи используются: методы дискриминантного анализа, информационный подход, метод потенциальных функций <...> Архитектура сети и вид функции активации Таблица 3 Настройки ИНС на персептронах Номер связи Вес связи <...> Архитектура сети и вид функции активации В нейронах использовалась активационная функция типа сигмойд <...> зависимости от типа решаемой задачи могут быть использованы ИНС различной конфигурации и с разными функциями

31

АНАЛИЗ ЭФФЕКТИВНОСТИ МЕТОДОВ СНИЖЕНИЯ ВЫБОРОЧНОЙ КОНСТАНТЫ ЛИПШИЦА СЕТИ КАК ИНСТРУМЕНТОВ ПОВЫШЕНИЯ СКОРОСТИ ОБУЧЕНИЯ НЕЙРОСЕТЕВЫХ АЛГОРИТМОВ [Электронный ресурс] / Азарнова, Терновых // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии .— 2011 .— №1 .— С. 139-143 .— Режим доступа: https://rucont.ru/efd/519949

Автор: Азарнова

В статье рассматривается проблема обучения нейронных сетей при больших объемах обучающих выборок и проводится экспериментальный анализ по оценке степени повышения скорости обучения сети при использовании методов предобработки, базирующихся на понижении выборочной константы Липшица сети

ЧАСТЬ Рассмотрим нейронную сеть, построенную по принципу многослойного персептрона с сигмоидальными активационными <...> функциями нейронов, осуществляющую нелинейное преобразование многомерных входных сигналов в многомерные <...> f (вход – выход) необходимо, чтобы реализуемая сетью функция F при изменении входных сигналов с x i <...> Сложность аппроксимации таблично заданной функции задается выборочной оценкой константы Липшица, вычисляемой <...> В случае L Ln t< сеть принципиально не способна решить задачу аппроксимации функции f .

32

ЦВЕТ ГЛАЗ ПРЕДПРИНИМАТЕЛЯ И УСПЕШНОСТЬ ЕГО БИЗНЕСА [Электронный ресурс] / Ясницкий, Порошина, Тавафиев // Российское предпринимательство .— 2010 .— №8 .— С. 8-13 .— Режим доступа: https://rucont.ru/efd/540371

Автор: Ясницкий

В статье предлагается методика оценки вероятности успешности бизнеса в зависимости от личностных и других параметров предпринимателя и вида его предполагаемого бизнеса. Например, применив эту методику, вы можете получить ответ на вопрос, будет ли успешным автомобильный бизнес, если им начнет заниматься голубоглазый бездетный мужчина 35 лет. Методика может быть полезна предпринимателям, решающим вопрос об открытии нового бизнеса

слоистой структуры с шестью входами и одним выходом, с одним скрытым слоем из пяти нейронов с сигмоидными активационными <...> функциями, была спроектирована, оптимизирована, обучена и протестирована с помощью программного инструментария

33

Распознавание видов цифровой модуляции радиосигналов с использованием нейронных сетей [Электронный ресурс] / Аджемов, Терешонок, Чиров // Вестник Московского университета. Серия 3. Физика. Астрономия .— 2015 .— №1 .— С. 23-28 .— Режим доступа: https://rucont.ru/efd/455803

Автор: Аджемов

Представлены результаты применения искусственных нейронных сетей в задаче распознавания видов цифровой модуляции радиосигналов. В качестве признаков распознавания предлагается использовать кумулянты 2 и 4-го порядков, вычисляемых по значениям зарегистрированных отсчетов сигнала. Выбор состава информативных признаков (в данном случае набора кумулянтов) и формирование решающих правил осуществляется экспертным путем исходя из набора видов модуляции сигналов, необходимых для распознавания. Исследования в данной области показывают, что формирование правил различения (классификатора) может осуществляться с использованием различных методов интеллектуального анализа, в частности искусственных нейронных сетей. Использование многослойного персептрона в качестве устройства классификации (распознавания) позволяет автоматизировать процесс построения решающих правил для распознавания видов цифровой модуляции радиосигналов. Предлагаемый метод обеспечивает достаточно высокую (0.7–0.99) вероятность правильного распознавания сигналов с частотной (FSK), фазовой (PSK), амплитудной (ASK) и квадратурной фазовой (QAM) манипуляцией в условиях отсутствия синхронизации приемной системы по несущей частоте.

Задачу обучения нейронной сети можно рассматривать как задачу минимизации функции ошибки E(w), где w <...> Функция ошибки нейронной сети определяется как E ≡ 1 2 ∑ i (ti − oi) 2, (1) где ti — целевое, а oi — <...> (3) Поскольку E ≡ 12 ∑ i (ti − oi)2 , то ∂E ∂oi = −(ti − oi). (4) Так как oi = f (xi), где f (x) — активационная <...> Целевая функция вычисляется как суммарная ошибка за эпоху, т. е. <...> Градиент целевой функции ∇E(w) на каждой эпохе рассчитывается как сумма градиентов функций ошибки для

34

КОМПЕНСАЦИЯ ОШИБОК ИНЕРЦИАЛЬНОЙ НАВИГАЦИОННОЙ СИСТЕМЫ   НА ОСНОВЕ MEMS ДАТЧИКОВ ПОСРЕДСТВОМ   НЕЙРОСЕТЕВЫХ АЛГОРИТМОВ [Электронный ресурс] / Шеврикуко // Аспирант и соискатель .— 2016 .— №6 .— С. 95-101 .— Режим доступа: https://rucont.ru/efd/569486

Автор: Шеврикуко

В данной статье освещается проблема накопления ошибок в инерциальной навигационной системе, основанной на MEMS датчиках. Производиться обзор методов компенсация возникающих ошибок посредством нейросетевых алгоритмов

Функции активации слоев нейронной сети: a – линейная функция активации; б – сигмоидальная функция активация <...> Градиент функции E(W) в точке W это направление наискорейшего возрастания функции. <...> Вычисляем значение градиента функции потери: E(h(X,W). 5. <...> предыдущего (по отношению к нейрону j) слоя, эта часть определена в явном виде; значение производной активационной <...> функции по ее аргументу для нейрона j; ошибка нейрона номер j.

35

Модели и методы повышения живучести современных систем связи [монография]

Автор: Величко В. В.
М.: Горячая линия – Телеком

Рассмотрены вопросы анализа живучести сетей связи в условиях разрушающих информационных воздействий. Дана классификация информационных атак в информационных сетях и методы их обнаружения. Уделено значительное внимание вопросам, связанным с живучестью и надёжностью мобильных систем связи, предложены модели структурной надежности в мобильных сетях передачи данных.

Домен сети доступа включает в себя функции, специфичные для технологии радиодоступа, в то время как функции <...> Составим функцию Лагранжа: N∑ i=1 λci µi + l ( N∑ i=1 µi − C ) . <...> функции должны быть кусочно-постоянными). <...> Веса и активационные функции узлов обычно замораживаются после того, как сеть достигла допустимого уровня <...> Обозначать функцию надежности графа G будем как R(G, ε).

Предпросмотр: Модели и методы повышения живучести современных систем связи (1).pdf (0,1 Мб)
36

ПРОГНОЗИРОВАНИЕ КОТИРОВОК ВАЛЮТНЫХ ПАР С ИСПОЛЬЗОВАНИЕМ ИСКУССТВЕННОЙ НЕЙРОННОЙ СЕТИ [Электронный ресурс] / Крючин, Слетков // Вестник компьютерных и информационных технологий .— 2011 .— №8 .— С. 38-43 .— Режим доступа: https://rucont.ru/efd/569038

Автор: Крючин

Рассмотрено использование нейросетевого анализа для прогнозирования котировок валютных пар. Приведено сравнение аналитических данных с результатами, полученными при использовании технического анализа. Использованы в качестве нейросетевых структур многослойный персептрон и сеть Вольтерри

Это правило задает функция эволюции системы: ( ) ( ) ( ) ( )( )ux ,... <...> Поскольку вид функции Θ неизвестен, то при моделировании ее заменяют приближенной функцией ,F такой что <...> Арнольда о представлении непрерывных функций многих переменных в виде суперпозиции непрерывных функций <...> определить следующим образом: ( )( ) tljjijixljji w+ξfx=y mod,,,mod, , где jiξ , – входное значение активационной <...> функции нейрона, т.е. результат, полученный сумматором.

37

ПРИМЕНЕНИЕ ЭКСПЕРТНОЙ ПОДСИСТЕМЫ С НЕЙРОСЕТЕВЫМИ АЛГОРИТМАМИ ПРИНЯТИЯ РЕШЕНИЙ ДЛЯ ОПЕРАТИВНОГО УПРАВЛЕНИЯ ОБЪЕКТАМИ ГИБКИХ ПРОИЗВОДСТВЕННЫХ СИСТЕМ [Электронный ресурс] / Степанцов // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии .— 2006 .— №2 .— С. 124-128 .— Режим доступа: https://rucont.ru/efd/519481

Автор: Степанцов

В статье предлагается подход к построению информационно-управляющей системы оперативного управления функционированием гибкой производственной системы на основе текущей информации с использованием экспертной подсистемы, блок логического вывода которой реализуется с помощью нечеткой нейронной сети

слоя; Х 0 — вход сети; W i — матрица «весовых» коэффициентов между нейронами (i–1) и i слоев; f i — активационная <...> функция нейронов i-го слоя, ( , , ( ), ).i l X X t Y Xl= = =0 0 Выходной сигнал является результатом <...> При моделировании реальных производственных систем, значения системной функции F являются результатом <...> Нечеткая нейронная сеть — это многослойная нейронная сеть, в которой слои выполняют функции элементов <...> и параметра функции принадлежности второго слоя.

38

Заметки по информатике и математике. Вып. 3 сб. науч. статей

ЯрГУ

В сборник включены научные статьи, представленные студентами и аспирантами факультета ИВТ. Темы статей касаются важных направлений развития математики, информатики и вычислительной техники.

улучшении качества распознавания изображения с помощью персептрона на основе нейрона МакКаллока-Питтса, активационная <...> Основная идея модификации модели заключается в замене детерминированной активационной функции на дискретную <...> Исходную активационную функцию – так называемую жесткую ступеньку – заменим ступенькой с линейной частью <...> Значение ver активационной функции на этом интервале равняется частному разности результата суммирущего <...> Далее предлагается заменить линейный участок активационной функции на бернуллиевскую случайную величину

Предпросмотр: Заметки по информатике и математике. Вып. 3 сб. науч. ст..pdf (1,0 Мб)
39

Метод динамической реконфигурации и обучения сети на основе радиально-базисных функций [Электронный ресурс] / Аюев // Прикладная информатика / Journal of Applied Informatics .— 2011 .— №5 .— С. 118-126 .— Режим доступа: https://rucont.ru/efd/453297

Автор: Аюев

Основным препятствием, возникающим на пути практического внедрения нейросетевых приложений на основе радиально-базисных функций, является требование полноты обрабатываемых выборок данных. По этой причине особый интерес представляют методы, свободные от указанного ограничения

Корректный подбор количества базисных функций позволяет достичь оптимального соотношения между обобщающей <...> А ю еврадиальных нейронов и выходного слоя M нейронов (как правило, с линейной активационной функцией <...> Функция радиального нейрона может быть определена различными способами [15]. <...> В настоящей работе применялась гауссова функция с Евклидовой метрикой вида: ϕ σ µ k k k k i ik i N x <...> ; mk k k Nk T= ( )µ µ µ1 2, , ,… — координаты центра k-ой базисной функции.

40

Особенности применения нейронных сетей в задачах автоматизированного дешифрирования аэрокосмических изображений при обновлении электронных карт [Электронный ресурс] / Вербицкий, Вербицкая, Журкин // Известия высших учебных заведений. Геодезия и аэрофотосъёмка .— 2014 .— №1 .— С. 103-108 .— Режим доступа: https://rucont.ru/efd/361284

Автор: Вербицкий

Рассматриваются особенности сверточных нейронных сетей и их применения к решению задач автоматизированного дешифрирования аэрофотоснимков. Приводится структура программного комплекса, описание основных его элементов и алгоритма работы. Приведены некоторые результаты экспериментов.

Система предварительной обработки изображений (СПО) предназначена для выполнения таких функций как геометрическая <...> В качестве такого оператора выступает одна из сигмоидальных функций, используемых при построении нейронных <...> пикселей нормализуются для ускорения сходимости обучения (минимизация вероятности попадания обучающей функции <...> Точные нормализованные значения пикселей вычисляются в зависимости от типа используемой активационной <...> функции, в данном случае самому светлому пикселю соответствует значение — 0,1, а пикселю, имеющему низшую

41

№8 [Доклады Академии Наук, 2017]

Один из крупнейших в мире научных журналов, орган Президиума Российской академии наук. Основное назначение журнала – прежде всего в публикации сообщений о крупных научных исследованиях, имеющих приоритетный характер, и оригинальных, нигде ранее не опубликованных исследованиях в области физико-математических, технических, геологических и биологических наук.

Для подобного типа активационной функции будем использовать обозначение R. <...> Для нейронов 3-го, 4-го, 5-го уровней сети активационная функция – это активационная функция типа R. <...> Для последнего, 6-го уровня сети активационная функция – это R*(с1, с2), при этом с1 ≤ . <...> Очередной шаг с xi ∈ Xq завершается, когда исчерпаются внутренние уровни сети и активационная функция <...> К нему и ведет обратная связь от выхода нейрона, так посредством активационной функции по заданным k

Предпросмотр: Доклады Академии Наук №8 2017.pdf (0,2 Мб)
42

Моделирование операций технологического проектирования с использованием искусственных нейронных сетей [Электронный ресурс] / Кремлева, Бедердинова, Елисеев // Вестник Северного (Арктического) федерального университета. Серия 'Естественные науки' .— 2016 .— № 3 .— С. 97-105 .— doi: 10.17238/issn2227-6572.2016.3.97 .— Режим доступа: https://rucont.ru/efd/512347

Автор: Кремлева

Приведено описание подхода к анализу конструкторско-технологической информации с помощью искусственной нейронной сети (ИНС) и классического алгоритма обратного распространения при ее обучении, на основе которого разработано программное обеспечение для создания, обучения и функционирования полносвязной ИНС произвольной топологии. Проанализированы технологические данные испытаний фрез для контурной обработки древесины, полученные с применением метода аппроксимации экспериментальных зависимостей регрессионными формулами. Описаны результаты численных экспериментов с использованием ИНС. При проведении первого эксперимента применялась полносвязная ИНС для комбинации «обрабатываемый материал – направление подачи», включающая 3 нейрона; при проведении второго эксперимента произведено обучение ИНС, включающей 6 нейронов. Оценена точность данных, полученных при помощи метода ИНС, в сравнении с классическими способами обработки и использования экспериментальных данных. Установлено, что прогноз выходных параметров, в частности уровня вибраций и качества получаемой поверхности, с помощью ИНС обладает более высокой точностью, чем оценка, которую дают феноменологические модели. Использование метода на основе ИНС позволяет подобрать режимы резания при заданной комбинации «обрабатываемый материал – направление подачи» для обеспечения требуемых параметров технологической операции. Показано, что ИНС практически не имеет ограничений по количеству анализируемых факторов, может обрабатывать числовой, текстовый или логический тип данных и отражать субъективные оценки объекта исследования проектировщиком, что невозможно при классическом экспериментальном подходе с применением регрессионных моделей. Поэтому ИНС с накопленными и проанализированными знаниями способна генерировать значения количественных характеристик проектируемых технологических операций с учетом особенностей конкретного производства, что позволило сделать вывод о перспективности дальнейших исследований в области использования ИНС при анализе и хранении производственных данных, а также для получения новых знаний.

Выход (OUT) нейрона – это функция его состояния: OUT = F (NET). (3) Нелинейная функция F называется активационной <...> и может представляться функциями единичного скачка, гиперболическим тангенсом, логистической функцией <...> Для ограничения пространства поиска при обучении ставится задача минимизации целевой функции ошибки E <...> = = ( ),ni jX – i-й вход j-го нейрона слоя n; ( ) ( )( )n nj jOUT F NET= , (6) где ( )( )njF NET – активационная <...> функция входа; Кремлева Л.В. и др.

43

Нейрокомпьютерные технологии метод. указания к лаб. работе № 1 «Исследование работы формального нейрона»

Автор: Харитонова А. А.
Изд-во ПГУТИ

Методические указания к лабораторной работе «Исследование работы формального нейрона» содержат краткую теорию, указания к выполнению лабораторной работы, вопросы и задачи для зачета, а также список литературы.

Эта функция также называется функцией сжатия. <...> По аналогии с электронными системами активационную функцию можно считать нелинейной усилительной характеристикой <...> Функция единичного скачка (пороговая функция или функция Хевисайда). ( ) , если ; , если . u y f u u <...> в функцию Хевисайда (функцию единичного скачка). 3. <...> Что такое функция активации? Какие функции активации вам известны? 15.

Предпросмотр: Нейрокомпьютерные технологии Методические указания к лабораторной работе№ 1 Исследование работы формального нейрона.pdf (0,1 Мб)
44

ОСОБЕННОСТИ САМООТНОШЕНИЯ У ПОДРОСТКОВ С ЗАДЕРЖКОЙ ПСИХИЧЕСКОГО РАЗВИТИЯ [Электронный ресурс] / С.А. Лебедева, Хаидов // Акмеология .— 2015 .— №3 .— С. 100-103 .— Режим доступа: https://rucont.ru/efd/405572

Автор: Лебедева Светлана Андреевна

статья посвящена анализу особенностей самоотношения у подростков с задержкой психического развития. В данной работе понятие самоотношения рассматривается с точки зрения подхода В.В. Столина и С.Р. Пантилеева. В статье приводятся количественные и качественные результаты исследования особенностей самоотношения у подростков 12–14 лет, имеющих задержку психического развития. Результаты исследования позволяют обосновать необходимость формирования позитивного, устойчивого к негативным воздействиям внешней среды самоотношения у подростков с задержкой психического развития, тем самым создавая возможности успешной социальной адаптации личности к требованиям социума и устойчивости к неблагоприятным факторам социальной действительности.

Происходит уход от решения проблемы, отказ от собственных эмоций, игнорирование их оценочной и активационной <...> функций.

45

Обоснование выбора оптимальных показателей обучения искусственных нейронных сетей, сформированных для определения кадастровой стоимости земель населенных пунктов [Электронный ресурс] / Киселев, Гринченко // Имущественные отношения в РФ .— 2012 .— №11 .— С. 70-78 .— Режим доступа: https://rucont.ru/efd/499367

Автор: Киселев

Кадастровая стоимость земли – одна из основных составляющих оценки экономической эффективности использования земельных ресурсов. В настоящее время кадастровая стоимость определяется на базе методики государственной кадастровой оценки земель (далее – ГКОЗ), утвержденной приказом Министерства экономического развития и торговли Российской Федерации от 15 февраля 2007 года [3], и разъясняющих ее положения Технических рекомендациях [5]. В Технических рекомендациях для определения удельного показателя кадастровой стоимости земель (далее – УПКСЗ) по результатам работы оценщиков и (или) при рыночной оценке определенного количества земельных участков (опорные точки, опорные земельные участки) формируются статистические регрессионные модели. С помощью полученных моделей выполняется расчет значений УПКСЗ на всей оцениваемой территории

Нелинейный преобразователь реализует нелинейную функцию одного аргумента – выхода сумматора. <...> Эта функция называется функцией активации, или передаточной функцией нейрона. <...> В практике создания и применения ИНС используется большое количество разнообразных функций активации. <...> Логистическая функция является нелинейной усилительной характеристикой искусственного нейрона. <...> Примеры активационных функций Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»Copyright ОАО

46

Алгоритмическое обеспечение для надежного выявления дефектов парогенераторных труб [Электронный ресурс] / Лунин, Жданов // Вестник Московского энергетического института .— 2015 .— №2 .— С. 115-123 .— Режим доступа: https://rucont.ru/efd/390136

Автор: Лунин

Рассмотрены вопросы разработки алгоритмического обеспечения для автоматического анализа многочастотных вихретоковых сигналов, получаемых при контроле теплообменных труб парогенераторов атомных электростанций. Обеспечение включает в себя эффективные алгоритмы отстройки сигналов от влияния основных мешающих факторов, статистические алгоритмы выделения областей сигнала, соответствующих конструктивным элементам, а также использование согласованного фильтра для выделения областей сигнала, соответствующих дефектам. Это позволяет повысить надежность правильной регистрации дефектов при обработке эксплуатационных сигналов.

алгоритмические технологии: дескрипторы Фурье [5], искусственные нейронные сети с радиально-базисной активационной <...> алгоритмы фильтрации и аппроксимирующие функции [7]. <...> На рис. 4 представлена энергетическая функция с установленными рамками по заданному порогу. <...> В результате алгоритм выглядит следующим образом: • расчет энергетической функции  с маской msk = 15 <...> передаточной функции согласованного фильтра используется сигнал этой функции.

47

Использование нейронных сетей для моделирования прогноза котировок ценных бумаг [Электронный ресурс] / Бугорский, Сергиенко // Прикладная информатика / Journal of Applied Informatics .— 2008 .— №3 .— С. 3-11 .— Режим доступа: https://rucont.ru/efd/450673

Автор: Бугорский

В современных условиях становления российского рынка ценных бумаг особую значимость приобретают исследования по моделированию прогнозов котировок ценных бумаг. Недавние колебания биржевых индексов, продолжающийся кризис ипотечного кредитования в США и другие потрясения рынка ценных бумаг показывают, что необходимость в данных исследованиях назрела. Как в России, так и в передовых развитых странах колебания этого рынка все менее зависят от политического влияния и влияния других нерыночных факторов, что подтверждает необходимость проведения объективных исследований в этой области. Научно-методические разработки по данной тематике могут быть полезны как для юридических, так и для физических лиц

В качестве активационной функции в сети обратного распространения обычно исполь% зуется логистическая <...> функция f s e s ( ) � � � 1 1 , где s — взвешенная сумма входов нейрона. <...> Выходы каждого нейрона сети лежат в диапазоне (0,1) — области значений логи% стической функции. <...> других актива% ционных функций, различных процедур оп% ределения направления и величины шага. <...> Активационная функ% ция представлена сигмоидальной функци% ей (рис. 4) с параметром, равным 1.

48

АНАЛИЗ РУДОНОСНОСТИ ГИДРОТЕРМАЛЬНОЙ СИСТЕМЫ ИССЛЕДОВАНИЕМ СТРУКТУРНЫХ ПАТТЕРНОВ ПОЛЕЙ ТРЕЩИНОВАТОСТИ (ДАЛЬНЕГОРСКИЙ РУДНЫЙ РАЙОН, ПРИМОРЬЕ) [Электронный ресурс] / Шевырев, Хомич // Вестник Воронежского государственного университета. Серия: Геология .— 2012 .— №1 .— С. 173-181 .— Режим доступа: https://rucont.ru/efd/515287

Автор: Шевырев

Дешифрированием полей трещиноватости по космическим снимкам установлены количественные структурные характеристики продуктивной гидротермальной системы Дальнегорского рудного района. Выявлена связь рудонасыщенности гидротермальной системы и ее структурных характеристик. Рассмотрены прогнозные имплементации методики анализа дистанционных данных с применением нейросетей

Функция активации φ(ν) ограничивает амплитуду выходного сигнала yk нейрона. <...> Функционирование нейрона k можно представить парой функций: где x1, x2, …, xm – входные сигналы; wk1, <...> постсинаптический потенциал вычисляется по формуле: Выходной сигнал нейрона yk определяется посредством активационной <...> функции – сигмоиды: где a – параметр наклона сигмоиды. <...> График функции активации (сигмоиды) (по [16]) выходного параметра (RO) от 0 до 1.

49

ИСКУССТВЕННЫЕ НЕЙРОННЫЕ СЕТИ С ГИСТЕРЕЗИСНОЙ ФУНКЦИЕЙ АКТИВАЦИИ НА ОСНОВЕ ПРЕОБРАЗОВАТЕЛЯ ПРЕЙCАХА [Электронный ресурс] / Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии .— 2013 .— №2 .— С. 171-178 .— Режим доступа: https://rucont.ru/efd/511657

Разработаны принципы построения однослойной и двухслойной искусственных нейронных сетей с гистерезисной функцией активации нейронов на основе модели Прейсаха. Предложены алгоритмы их обучения. Проведен анализ работы рассматриваемых нейросетей на примере задачи классификации образов

СИСТЕМНЫЙ АНАЛИЗ И ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ, 2013, № 2 ИСКУССТВЕННЫЕ НЕЙРОННЫЕ СЕТИ С ГИСТЕРЕЗИСНОЙ ФУНКЦИЕЙ <...> Ключевые слова: искусственная нейронная сеть, персептрон, многослойный персептрон, гистерезисная функция <...> каждый момент времени величины x k (l+1) и x k (l), q j (l+1) и q j (l) легко вычислить производную активационной <...> функции нейронов скрытого слоя ∂ ∂ q u и выходного слоя ∂ ∂ x e численным методом. <...> Искусственные нейронные сети с гистерезисной функцией активации.

50

НЕЙРОСЕТЕВОЕ МОДЕЛИРОВАНИЕ. ДИССОЦИАЦИЯ УКСУСНОЙ И БЕНЗОЙНОЙ КИСЛОТ В ВОДНО-ОРГАНИЧЕСКИХ РАСТВОРИТЕЛЯХ [Электронный ресурс] / Бондарев // Журнал общей химии .— 2017 .— №2 .— С. 31-39 .— Режим доступа: https://rucont.ru/efd/591400

Автор: Бондарев

Разработаны прогностические корреляционно-регрессионные и нейросетевые модели для описания влияния свойств водно-органических растворителей на силу уксусной и бензойной кислот. Выявлены значимые дескрипторы, влияющие на равновесие диссоциации кислот. Раскрыты особенности влияния сольватации (проявляющегося в электростатических, когезионных и электроноакцепторных взаимодействиях) на силу кислот. С помощью трехслойного персептрона решена задача предсказания констант диссоциации уксусной и бензойной кислот. Показана перспективность применения нейронных сетей для прогнозирования силы органических кислот в водно-органических средах. Построен и обучен нейросетевой классификатор силы уксусной и бензойной кислот по дескрипторам водно-спиртовых растворителей

решаются с помощью сетей различных типов: многослойного персептрона, линейной сети, радиальной базисной функции <...> В качестве активационной функции на промежуточCopyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис <...> В работе проанализированы 1000 сетей трех типов: линейная, радиальная базисная функция (с числом скрытых <...> Как видно из данных табл. 1, в рассматриваемой задаче линейная и радиальная базисная функция модели характеризуются

Страницы: 1 2 3 ... 3450