Национальный цифровой ресурс Руконт - межотраслевая электронная библиотека (ЭБС) на базе технологии Контекстум (всего произведений: 519728)
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: 45233 (0,95 сек)

Свободный доступ
Ограниченный доступ
Уточняется продление лицензии
1

О ПРОГНОЗИРОВАНИИ ОСЛОЖНЕНИЙ ЯЗВЕННОЙ БОЛЕЗНИ НА ОСНОВЕ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ [Электронный ресурс] / Хасанов, Нуртдинов, Гололобов // Анналы хирургии .— 2016 .— №4 .— С. 12-15 .— Режим доступа: https://rucont.ru/efd/457256

Автор: Хасанов

Цель. Изучение возможности использования искусственных нейронных сетей в прогнозировании осложнений язвенной болезни

Смоделировано 10 однослойных персептронов с 34 входными нейронами, 19 скрытыми и 2 нейронами на выходе <...> Входные нейроны соответствовали основным жалобам пациента при язвенной болезни. <...> Обычно количество слоев равно трем: входной слой, на который подается вектор входных сигналов, скрытый <...> Результаты Было смоделировано 10 однослойных персептронов с 34 входными нейронами, 19 скрытыми и 2 нейронами <...> Входные нейроны: X1 – пол, X2 – возраст, локализация болей (X3 – эпигастральная область, X4 – правое

2

Прогноз ключевых параметров при помощи искусственных нейронных сетей [Электронный ресурс] / Ramakumar // Нефтегазовые технологии .— 2009 .— №3 .— С. 101-103 .— Режим доступа: https://rucont.ru/efd/261955

Автор: Ramakumar
М.: ПРОМЕДИА

Искусственные нейронные сети служат мощным инструментом моделирования нелинейных процессов.

Выходные данные, в свою очередь, могут быть входными для следующего нейрона. <...> ЭТАПЫ ПОСТРОЕНИЯ МОДЕЛИ Определение параметров. • Определить входные данные (x1, x2, . . . , xn); входные <...> нейроны = n. • Реальный выход = Y; Y = f(x1, x2, . . . , xn); выходные нейроны = 1. • Определить количество <...> Базовая функциональная схема ANN Входные данные Нейрон Выходные данные Сумматор Функция активации Рис <...> Простейшая нейронная сеть Входные Скрытые Выходные Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис

3

Логическая нейронная сеть как решение авторизации для комплекса средств аутентификации [Электронный ресурс] / Борискин // Актуальные проблемы современной науки .— 2011 .— №1 .— С. 203-207 .— Режим доступа: https://rucont.ru/efd/253629

Автор: Борискин
М.: ПРОМЕДИА

Рассматривается возможность применения нейронных сетей для решения задач авторизации для клиент-серверных приложений.

процедур аутентификации пользователей на входные нейроны подаются значения, характеризующие результаты <...> Данные значения подаются на входной слой нейронов логической нейросети, модуля авторизации, тем самым <...> на входном слое сети; – f – передаточная функция характеризующая величину возбуждения 9,10 и 11ого нейрона <...> на входном слое нейронной сети модуля авторизации; – Wi – величина возбуждения i-ого нейрона на выходном <...> величину возбуждения i-ого нейрона на выходном слое нейронной сети модуля авторизации. [4] Процесс работы

4

ТЕХНОЛОГИЧЕСКАЯ ПЛАТФОРМА КННС ДЛЯ ФУНКЦИОНАЛЬНЫХ ПРОДУКТОВ [Электронный ресурс] / Храмцов // Переработка молока: технология, оборудование, продукция .— 2015 .— №5 .— С. 56-59 .— Режим доступа: https://rucont.ru/efd/587688

Автор: Храмцов

Статья знакомит с нанокластерным подходом к формированию научно-технических основ технологической платформы продуктов нового поколения. Учеными изучена возможность синтеза оригинальной селенсодержащей композиции бренда «ЭкстраСелен» в коллоидной форме, показана возможность обогащения этим препаратом кормовых средств и молочных продуктов функционального назначения

В качестве входных параметров были выбраны следующие факторы: молярное соот­ ношение n(C6H8O6)/n(H2SeO3 <...> На начальном этапе анализа экспе­ риментальных данных была создана архитектура нейронной сети, т. е. <...> многослойный персептрон с пятью входными параметрами и одним вы­ ходным параметром – размером на­ ночастиц <...> С помощью обучающих алгоритмов нейронную сеть приводили в соответствие с экс­ периментальными данными <...> Входные нейроны Размер наночастиц селена, нм Промежуточные нейроны Ф ак то ры Время УЗИ-обработки рН

5

Эвристические нейросетевые модели в биофизике: приложение к проблеме структурно-функционального соответствия [монография]

Автор: Барцев С. И.
Сиб. федер. ун-т

В монографии рассмотрен ряд фундаментальных проблем биологии (структурно-функционального соответствия, уникальности, эквифинальности эволюционных исходов, возрастания сложности в эволюционном процессе и др.), для решения которых требуется высокий уровень обобщения, труднодостижимый при изучении реальных биологических систем. В качестве одного из способов работы с подобными сложными объектами предлагается феноменологическое (эвристическое) моделирование. В роли феноменологических модельных объектов рассматриваются нейронные сети. В работе вводятся и обсуждаются понятия функциональной симметрии и функционального инварианта структуры, позволяющие решить для нейронных сетей ряд вышеупомянутых проблем. Обсуждается соответствие полученных на нейронных сетях результатов данным по реальным биологическим системам и перспективы применения описанного подхода к этим системам.

Нейроны первого слоя получают входные сигналы, преобразуют их и через точки ветвления передают нейронам <...> Полносвязная нейронная сеть из трех нейронов: 1 – входной нейрон; 2 – выходной нейрон; 3 – ассоциативный <...> Для выбранных в работе предельно простых функций требуется два входных нейрона, для которых входные сигналы <...> Синапс под номером 5 принадлежит первому входному нейрону, а синапсы 11 и 12 – второму входному нейрону <...> Через эти синапсы входные нейроны получают сигналы от пятого и шестого ассоциативных нейронов, которые

Предпросмотр: Эвристические нейросетевые модели в биофизике приложение к проблеме структурно-функционального соответствия монография.pdf (2,3 Мб)
6

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.

Анализ значений весовых коэффициентов входных нейронов. <...> Если после исключения какого-либо входного нейрона ошибка обобщения εT увеличилась, то входной параметр <...> входной параметр не является значимым и соответствующий ему входной нейрон можно исключить. <...> Добавление значащих входных параметров (и, соответственно, входных нейронов) позволяет избежать наличия <...> параметру (входному нейрону).

Предпросмотр: Интеллектуальные системы учебник — Эл. изд..pdf (0,2 Мб)
7

Интеллектуальные информационные системы и технологии

Бурятский государственный университет

В пособии рассматриваются вопросы искусственного ин­теллекта и их применение для решения задач из различных предметных областей. Описаны методы приобретения, пред­ставления и обработки знаний в интеллектуальных системах, а также технологии проектирования и реализации интеллекту­альных систем. Учебно-методическое пособие предназначено для студен­тов высших учебных заведений, обучающихся по направле­нию подготовки 09.03.02 Информационные системы и техно­логии.

Нейроны, выходные сигналы которых поступают на вход данному. 2. Сумматор входных сигналов. 3. <...> Нейроны, на входы которых подается выходной сигнал данного. 5. Wj — веса входных сигналов. <...> Разделяют: • Входные нейроны принимают исходный вектор, кодирую­ щий входной сигнал. <...> Нейроны, на входы которых подается выходной сигнал данного. 5. Wj — веса входных сигналов. <...> Разделяют: • Входные нейроны принимают исходный вектор, кодирую­ щий входной сигнал.

Предпросмотр: Интеллектуальные информационные системы и технологии.pdf (0,3 Мб)
8

Вестник Липецкого государственного технического университета (Вестник ЛГТУ). № 2 (24). 2015 г. научно-технический журнал

Липецкий государственный технический университет

Свидетельство о регистрации средства массовой информации ПИ № ФС77-57003. Выдано Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций (Роскомнадзор) 25.02.2014 г. Журнал включен в Реферативный журнал и Базы данных ВИНИТИ. Сведения о журнале ежегодно публикуются в международной справочной системе по периодическим и продолжающимся изданиям «Ulrich’sPeriodicalsDirectory».

сети [2] прямой связи с одним слоем скрытых нейронов, связанных со всеми нейронами слоя ввода и вывода <...> Первая рассматриваемая сеть получала информацию только на один входной нейрон, а именно закодированное <...> Вторая сеть имеет два входных нейрона. <...> Средняя температура за день Разница температуры Прогноз потребления тепла входные нейроны 3 8 скрытых <...> нейронов выходной нейрон Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис» ВЕСТНИК ЛИПЕЦКОГО

Предпросмотр: Вестник Липецкого государственного технического университета (Вестник ЛГТУ). № 2 (24). 2015 г..pdf (1,0 Мб)
9

№4 [Анналы хирургии, 2016]

Основан в 1996 г. Многопрофильный журнал, в котором публикуются современные достижения практически по всем разделам хирургических специальностей, включая общую и частную хирургию, вопросы преподавания истории, а также информацию о крупнейших научно-практических центрах отечественной и зарубежной хирургии. Постоянными рубриками журнала являются следующие: "Научные центры и школы", "Обзоры", "Лекции", "Архив хирургии", "Как это делается", "Новые хирургические технологии", "Молодому специалисту", "История хирургии".

Смоделировано 10 однослойных персептронов с 34 входными нейронами, 19 скрытыми и 2 нейронами на выходе <...> Входные нейроны соответствовали основным жалобам пациента при язвенной болезни. <...> Обычно количество слоев равно трем: входной слой, на который подается вектор входных сигналов, скрытый <...> Результаты Было смоделировано 10 однослойных персептронов с 34 входными нейронами, 19 скрытыми и 2 нейронами <...> Входные нейроны: X1 – пол, X2 – возраст, локализация болей (X3 – эпигастральная область, X4 – правое

Предпросмотр: Анналы хирургии №4 2016.pdf (0,3 Мб)
10

№3 [Журнал Сибирского федерального университета. Техника и технологии. Journal of Siberian Federal University. Engineering & Technologies, 2010]

Cерия журнала «Техника и технологии» отражает самую массовую группу инженерных научных направлений Сибирского федерального университета. Целью создания серии является развитие фундаментальных исследований в области инженерных наук в СФУ, обеспечение международного приоритета научных работ преподавателей, сотрудников, аспирантов, докторантов вуза, а также интеграция журнала в международное информационное пространство.

Удаление маркеров из входных позиций активных переходов kuDkk *1 . 6. <...> Количество нейронов входного слоя соответствует числу учитываемых факторов. <...> Для рассматриваемой системы входные нейроны воспринимают информацию о текущих значениях коэффициентов <...> Алгоритм управляемой имитации сети Петри батывающих станка, поэтому количество нейронов входного слоя <...> Функция активации нейрона для каждого нейрона сигмоидальная (логистическая).

Предпросмотр: Журнал Сибирского федерального университета. Сер. Техника и технологии №3 2010.pdf (0,6 Мб)
11

№5 [Переработка молока: технология, оборудование, продукция, 2015]

«Переработка молока» — старейшее отраслевое периодическое издание, публикующее материалы, необходимые производителям и поставщикам молочной продукции и молочного сырья, специального и контрольного оборудования, ингредиентов и добавок, а также специалистам сферы молочного животноводства.

В качестве входных параметров были выбраны следующие факторы: молярное соот­ ношение n(C6H8O6)/n(H2SeO3 <...> На начальном этапе анализа экспе­ риментальных данных была создана архитектура нейронной сети, т. е. <...> многослойный персептрон с пятью входными параметрами и одним вы­ ходным параметром – размером на­ ночастиц <...> С помощью обучающих алгоритмов нейронную сеть приводили в соответствие с экс­ периментальными данными <...> Входные нейроны Размер наночастиц селена, нм Промежуточные нейроны Ф ак то ры Время УЗИ-обработки рН

Предпросмотр: Переработка молока технология, оборудование, продукция №5 2015.pdf (0,2 Мб)
12

№4 [Вестник Московской академии Следственного комитета Российской Федерации, 2017]

Целью издания Вестника является распространение научных знаний, публикаций, результатов прикладных исследований по криминологии, уголовному праву, уголовному процессу, использование специальных знаний по расследованию преступлений, организация правоохранительной деятельности, современные проблемы государства и права, юридическое образование; содействие в повышении уровня научного потенциала и педагогического мастерства профессорско-преподавательского состава Академии; научное обеспечение и сопровождение образовательного процесса; помощь в обучении, воспитании и подготовке квалифицированных специалистов, а также оказание помощи сотрудникам Следственного комитета и работникам иных следственных органов в решении различных правовых вопросов, возникающих в их практической деятельности.

Говорят, что нейроны избирательно настраиваются для различных входных примеров или классов входных примеров <...> Входные нейроны образуют входной слой сети, который содержит по одному нейрону для каждого входного поля <...> с входного слоя поступают непосредственно на выходной, нейроны которого упорядочены в одномерную или <...> Значения каждого признака объекта поступают через входные нейроны на каждый нейрон выходного слоя. <...> Победивший нейрон становится центром некоторой группы соседних нейронов.

Предпросмотр: Вестник Московской академии Следственного комитета Российской Федерации №4 2017.pdf (1,1 Мб)
13

№8 [Журнал Сибирского федерального университета. Техника и технологии. Journal of Siberian Federal University. Engineering & Technologies, 2013]

Cерия журнала «Техника и технологии» отражает самую массовую группу инженерных научных направлений Сибирского федерального университета. Целью создания серии является развитие фундаментальных исследований в области инженерных наук в СФУ, обеспечение международного приоритета научных работ преподавателей, сотрудников, аспирантов, докторантов вуза, а также интеграция журнала в международное информационное пространство.

Входная и выходная позиции каждой ячейки выдеРис. 5. <...> Входные нейроны сети воспринимают информацию о текущих значениях коэффициентов загрузки основного технологического <...> Нейронные сети Кохонена – класс нейронных сетей, основным элементом которых является слой Кохонена. <...> При этом каждый нейрон входного слоя связан со всеми нейронами Рис. 6. <...> На нейроны входного слоя подаются векторы признаков кластеризуемых объектов.

Предпросмотр: Журнал Сибирского федерального университета. Сер. Техника и технологии №8 2013.pdf (0,6 Мб)
14

РАЗРАБОТКА МЕТОДОВ РАЗМЕЩЕНИЯ ПОСТОВ ПРИ МОНИТОРИНГЕ АГРОЭКОСИСТЕМ [Электронный ресурс] / М.Г. Тиндова // Финансовый бизнес .— 2016 .— №4 .— С. 14-16 .— Режим доступа: https://rucont.ru/efd/608053

Автор: Тиндова Мария Геннадьевна

В работе показан процесс моделирования различных способов размещения наблюдательных постов при мониторинге агроэкосистем. На примере Саратовской области рассмотрены четыре пространственные модели на основе равномерной сетки, взвешенной сетки, метода кластеризации и с использованием карт Кохонена; выявлены достоинства и недостатки каждой модели; исследованы возможности использования ГИС-технологий в данном процессе

разбиение n-мерного пространства (n – число входных нейронов, число административных районов) на k классов <...> (k – число выходных нейронов, число постов наблюдения), т. е. автомат, который по заданному входному <...> Уровень активации выходного нейрона вычисляет евклидово расстояние между входным вектором и вектором <...> весов этого нейрона: где хj – уровень активации j-го входного нейрона; оi – уровень активации i-го выходного <...> нейрона; wij – вес связи от i-го входного нейрона к j-му выходному нейрону (в нашем случае число жителей

15

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

Структура нейронной сети Хэмминга: Xn, Ym — вход и выход нейронной сети: n — размерность входного сигнала <...> нейронов входного слоя, равное ab; m — количество шаблонов входного сигнала) Xi j 1 m --Copyright ОАО <...> Активизированные нейроны входного слоя X хранят и передают в нейронную сеть по каналам связи сигнал со <...> значе� нием +1, остальные нейроны входного слоя хранят и передают сигнал со значением –1. <...> в за� висимости от размеров сетки входных нейронов изменялась от 0,1 до 0,4 кН.

16

Определение упругих и диссипативных свойств материалов с помощью сочетания метода конечных элементов и комплекснозначных искусственных нейронных сетей [Электронный ресурс] / Соловьёв, Нгуен // Вестник Донского государственного технического университета .— 2014 .— №2 .— С. 85-93 .— Режим доступа: https://rucont.ru/efd/376840

Автор: Соловьёв

Рассматривается применение комплекснозначных искусственных нейронных сетей (КИНС) в обратной задаче идентификации упругих и диссипативных свойств деформируемого твёрдого тела. Дополнительной информацией для решения обратной задачи являются компоненты вектора смещений, измеренные в наборе точек на границе тела (позиционное измерение), совершающего гармонические колебания в области первой резонансной частоты.

с номерами n и m; mX — входной сигнал от нейрона m; F — сигмовидная функция; pE — ошибка для выходного <...> выходных нейронов; mH — выходы из скрытых нейронов. 5. <...> Затем сравниваются выходные сигналы нейронов скрытого слоя и входные сигналы нейронов выходного слоя. <...> и скрытыми нейронами с номерами l и m; lI — выходы из входных нейронов; θm — пороги нейронов скрытых <...> нейронов) — 20 (скрытых нейронов) — 1 (выходной нейрон).

17

Нейросетевые технологии в диагностике заболеваний (обзор) [Электронный ресурс] / Выучейская, Крайнова, Грибанов // Журнал медико-биологических исследований .— 2018 .— № 3 .— С. 284-294 .— DOI: 10.17238/issn2542-1298.2018.6.3.284 .— Режим доступа: https://rucont.ru/efd/670958

Автор: Выучейская
Северный (Арктический) федеральный университет имени М.В. Ломоносова

Представлен анализ применения нейросетевых технологий для диагностики различных заболеваний в области кардиологии, онкологии, пульмонологии, гастроэнтерологии, неврологии, психологии и др. Цель – установить области, в которых наиболее эффективно используются нейросетевые технологии. При этом рассмотрены структуры, алгоритмы обучения и точность функционирования искусственных нейронных сетей. Анализ литературы показал, что наиболее оптимальной моделью искусственных нейронных сетей для решения задач медицинской диагностики и прогнозирования является многослойный персептрон, представляющий собой сеть прямого распространения, в которой нейроны одного слоя последовательно соединены с нейронами прилегающих слоев без рекуррентных связей. Выявлено также, что наиболее оптимальными алгоритмами обучения многослойного персептрона являются алгоритм обратного распространения ошибки и генетический алгоритм. Высокая точность функционирования нейросетевых диагностических моделей, описанных в литературе, свидетельствует о перспективности применения искусственных нейронных сетей в различных областях медицины для диагностики и прогнозирования заболеваний. Внедрение в клиническую практику нейросетевых диагностических моделей может оказать эффективную помощь в принятии врачебных решений, способствовать повышению качества и точности диагностики заболеваний, сократить время на обследование пациента. Стоит также отметить, что искусственные нейронные сети могут использоваться как математические модели рассматриваемой предметной области. Изменяя входные параметры нейросетевой модели, наблюдая за поведением выходных сигналов, можно изучать рассматриваемую предметную область, выявлять и исследовать медицинские закономерности, которые извлекла искусственная нейронная сеть при обучении. Полученные сведения позволят расширить теоретические знания в различных областях медицины

нейронами, 13 скрытыми нейронами и 1 выходным нейроном. <...> В процессе построения ИНС был применен алгоритм генетического отбора входных признаков. <...> Моделью с лучшей предсказательной способностью оказалась вероятностная нейронная сеть, состоящая из входного <...> (30 нейронов), скрытого (65 нейронов) и выходного (6 нейронов) слоев. <...> (12 нейронов), скрытый (4 нейрона) и выходной (1 нейрон).

18

НЕЙРОСЕТЕВОЕ ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ СКАЧКООБРАЗНЫХ ПРОЦЕССОВ НА ПРИМЕРЕ УСТОЙЧИВЫХ И УМЕРЕННО УСТОЙЧИВЫХ ПРОЦЕССОВ [Электронный ресурс] / Белявский, Кондратьева, Мисюра // Известия высших учебных заведений. Северо-Кавказский регион. Естественные науки .— 2015 .— №3 .— С. 17-20 .— Режим доступа: https://rucont.ru/efd/425621

Автор: Белявский

Рассматривается задача моделирования случайных процессов с симметричной мерой Леви при помощи нейронной сети с обратной связью. Для представления безгранично делимой случайной величины используются дискретные симметричные случайные величины, получающиеся в результате вычитания пуассоновских случайных величин. Вычисление характеристической функции случайной величины производится при помощи обучения нейросети. Предложена эффективная архитектура нейронной сети, в которой состояниями входных нейронов являются независимые и одинаково распределенные случайные величины.

gmail.com Рассматривается задача моделирования случайных процессов с симметричной мерой Леви при помощи нейронной <...> Предложена эффективная архитектура нейронной сети, в которой состояниями входных нейронов являются независимые <...> Ключевые слова: процессы Леви, мера Леви, характеристическая функция, нейронная сеть, нейрон, имитационное <...> Начальное состояние выходного нейрона равно нулю, случайные величины j независимые и одинаково распределенные <...> сети заключается в том, что состояния входных нейронов – независимые и одинаково распределенные случайные

19

ПРЕДСТАВЛЕНИЕ КОНЕЧНЫХ ГРУПП НЕЙРОННЫМИ СЕТЯМИ [Электронный ресурс] / Головинский, Довжикова // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии .— 2008 .— №1 .— С. 49-55 .— Режим доступа: https://rucont.ru/efd/519625

Автор: Головинский

Рассмотрено представление дискретных групп и полугрупп нейронными сетями. Построен алгоритм выделения из временного ряда структуры, представляемой конечным автоматом, и продемонстрирована реализация конечного автомата нейронными сетями. Установлена связь дискретных симметрий с симметриями перестановок входов нейронов в сети. Показана возможность применения нейронных сетей, использующих инварианты групп, для оценки точности симметрии данных

На первом шаге умножения в сети возбуждается входной нейрон столбца таблицы. <...> Входной нейрон в сети определяет, на какую линейку персептронов будут поданы последовательности входных <...> При входной строке с единицей в той же позиции, что и у столбца весов, отклик нейрона равен единице, <...> Умножение входного сигнала на значение выхода такого нейрона обеспечит либо передачу, либо отсутствие <...> или группы нейронов на разные комбинации входных сигналов.

20

ОЦЕНКА СТЕПЕНИ МИКРОБИОЛОГИЧЕСКИХ НАРУШЕНИЙ МИКРОФЛОРЫ РОТОГЛОТКИ И КИШЕЧНИКА С ПОМОЩЬЮ МЕТОДОВ МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ [Электронный ресурс] / Затевалов [и др.] // Клиническая лабораторная диагностика .— 2016 .— №2 .— С. 55-59 .— Режим доступа: https://rucont.ru/efd/397610

Автор: Затевалов

Изучена микрофлора фекалий и ротоглотки, концентрация летучих жирных кислот в слюне от пациентов консультативно-диагностического центра ФБУН МНИИЭМ им. Г.Н. Габричевского Роспотребнадзора. Разработана компьютерная программа классификации по степени микробиологических нарушений на основе полученных данных с использованием искусственных нейронных сетей и дискриминантного анализа. Выявлено снижение вероятности ложной классификации при увеличении степени микробиологических нарушений микрофлоры кишечника и отсутствие подобной корреляции для микробиологических и метаболических нарушений микрофлоры ротоглотки.

по степени микробиологических нарушений на основе полученных данных с использованием искусственных нейронных <...> automatet neural networks программы statistica выбрана ИНС с многослойным персептроном (mpl93-14-4) с 14 входными <...> нейронами, 93 скрытыми, 4 выходными. <...> automatet neural networks программы statistica выбрана ИНС с многослойным персептроном (mpl 58-30-4) с 13 входными <...> нейронами, 58 скрытыми, 4 выходными.

21

ПОДХОД К ПРОГРАММИРОВАНИЮ НЕДЕТЕРМИНИРОВАННЫХ ИГР (Часть II: СПЕЦИАЛЬНЫЕ ЭВРИСТИКИ И ПРИМЕРЫ) [Электронный ресурс] / Мельников, Мельникова, Радионов // Известия высших учебных заведений. Поволжский регион. Физико-математические науки .— 2014 .— №2 .— С. 45-54 .— Режим доступа: https://rucont.ru/efd/552817

Автор: Мельников

Актуальность и цели. Создание интеллектуальных компьютерных игр является одним из основных направлений искусственного интеллекта. Кроме того, компьютерные игры предоставляют мощный арсенал разнообразных средств, используемых для обучения. Классическим метод для программирования детерминированных игр для двух лиц с полной информацией – это минимаксный алгоритм. При программировании недетерминированных игр неприменимы стандартные методы, развитые для детерминированных игр. Цель работы: разработать алгоритмы для недетеминированных игр, основанные на обработке модифицированного дерева поиска игры Материалы и методы. Разработаны эвристики для упорядочивания вершин в недетерминированном дереве перебора, которые сокращают время обработки узлов дерева и, следовательно, позволяют с большой вероятностью получать оценку исследуемой игровой позиции, близкую к оптимальной. Также рассмотрена возможность одновременного применения недетерминированного дерева перебора и нейронных сетей. В статье приведены примеры работы предложенных алгоритмов для построения конкретных оценок вершин (игровых позиций) различных уровней в недетерминированном дереве перебора. Для практического применения описываемых эвристик в игровых программах необходима оценочная функция позиций. В статье описаны способы ее построения и самообучения. В примерах работы алгоритмов значения оценок выбираются таким образом, чтобы примеры, несмотря на их малый объем, были бы интересными. Результаты. Разработанные авторами алгоритмы реализованы в компьютерных игровых программах, они также находят свое применение не только непосредственно в недетерминированных играх, но и в других задачах дискретной оптимизации. Выводы. Применение разработанных авторами эвристик позволяет повысить эффективность алгоритмов для программирования недетерминированных игр: уменьшить время работы и объем используемой памяти, улучшить качество игры.

Также рассмотрена возможность одновременного применения недетерминированного дерева перебора и нейронных <...> полезности» той или иной эвристики оценивалась по вкладу абсолютных величин весов сети для соответствующих входных <...> нейронов в общую сумму весов входных нейронов. <...> Итак, сочетание скорости (а следовательно, и ограничение на количество нейронов в сети) с требованием

22

РАЗРАБОТКА И ПРИМЕНЕНИЕ КОМПЛЕКСНЫХ НЕЙРОСЕТЕВЫХ МОДЕЛЕЙ МАССОВОЙ ОЦЕНКИ И ПРОГНОЗИРОВАНИЯ СТОИМОСТИ ЖИЛЫХ ОБЪЕКТОВ НА ПРИМЕРЕ РЫНКОВ НЕДВИЖИМОСТИ ЕКАТЕРИНБУРГА И ПЕРМИ [Электронный ресурс] / Ясницкий, Ясницкий // Имущественные отношения в РФ .— 2017 .— №3 .— С. 70-86 .— Режим доступа: https://rucont.ru/efd/586331

Автор: Ясницкий

В статье рассматриваются разработанные авторами комплексные экономико-математические нейросетевые модели рынка жилой недвижимости, учитывающие как технические характеристики объектов, так и экономические параметры внешней среды. На примере рынков недвижимости Екатеринбурга и Перми проводится анализ моделей, который позволяет увидеть, как изменение ключевых ценообразующих факторов влияет на рыночную стоимость объектов. В результате проведенного исследования выявлена степень потребительского насыщения региональных рынков

Оптимальная структура нейронной сети представляла собой персептрон с пятнадцатью входными нейронами, <...> одним выходным нейроном и тремя нейронами скрытого слоя. <...> В качестве активационных функций нейронов скрытого слоя и выходного нейрона использовались сигмоидные <...> Значимость входных параметров, определенная с помощью нейронной сети Рис. 4. <...> жилья» и сохранении всех остальных входных параметров неизменными.

23

№1 [Научный вестник Новосибирского государственного технического университета, 2008]

В "Научном вестнике Новосибирского государственного технического университета" публикуются результаты научных исследований докторов, аспирантов и соискателей Новосибирского государственного технического университета, а также работы, представленные из других учебных заведений. Направления научных публикаций журнала: научные сообщения о новых законченных оригинальных исследованиях по основным разделам естественных и технических нау

во входном слое; x1 ... xn – входной вектор (входной сигнал); H – количество нейронов в скрытом слое <...> ; wi1…win – веса связей между нейронами входного слоя и нейронами скрытого слоя (i = 1…H); ui – значение <...> Psumma Qsumma U750 U500 U330 U220 0 0,2 0,4 0,6 0,8 1 Значим ость Входные нейроны Нагрузочные потери <...> Входные сигналы, подаваемые на сеть, поступают на нейроны входного слоя, проходят по очереди через все <...> , достаточного числа нейронов в скрытом слое, входных и выходных параметров и формы их представления

Предпросмотр: Научный вестник НГТУ №1 2008.pdf (0,6 Мб)
24

№1 [Химия в интересах устойчивого развития, 2008]

В журнале публикуются оригинальные научные сообщения и обзоры по химии процессов, представляющих основу принципиально новых технологий, создаваемых в интересах устойчивого развития, или усовершенствования действующих, сохранения природной среды, экономии ресурсов, энергосбережения.

во входном слое; x1 ... xn – входной вектор (входной сигнал); H – количество нейронов в скрытом слое <...> ; wi1…win – веса связей между нейронами входного слоя и нейронами скрытого слоя (i = 1…H); ui – значение <...> Psumma Qsumma U750 U500 U330 U220 0 0,2 0,4 0,6 0,8 1 Значим ость Входные нейроны Нагрузочные потери <...> Входные сигналы, подаваемые на сеть, поступают на нейроны входного слоя, проходят по очереди через все <...> , достаточного числа нейронов в скрытом слое, входных и выходных параметров и формы их представления

Предпросмотр: Химия в интересах устойчивого развития №1 2008.pdf (0,6 Мб)
25

Прогноз пористости песчаного пласта коллектора с помощью искусственной нейронной сети [Электронный ресурс] / И.Э. Бэссей [и др.] // Инженер-нефтяник .— 2017 .— №2 .— С. 60-63 .— Режим доступа: https://rucont.ru/efd/645331

Автор: Бэссей Инико Экенг

Методы искусственного интеллекта и нейронных сетей все чаще применяются в решении сложных нелинейных задач на основании относительно небольшого количества данных. Глубина залегания, толщина, литология и соотношение между песчаником и коллектором, которые являются основными факторами, определяющими распределение пористости системы пласт-коллекторов были выбраны для создания нейронной сети. В данной статье представлены результаты применения обратного распространения искусственных нейронных сетей (ИНС) для прогнозирования значений пористости песчаных пласт-коллекторов в нефтяном месторождении «Seme» в Республике Бенин. Полученные значения пористости из образцов керна используются в качестве целевых данных в ИНС для обучения сети. Отличное соответствие между данными керна и прогнозированными значениями показывает, что подход ИНС является надежным и может быть эффективно применен в моделировании и описании пластколлекторов.

Эти данные были установлены в качестве входных/выходных пар, чтобы представить образец для подхода ИНС <...> во входном слое литология, толщина, глубина залегания, соотношение между песчаником и пласт-коллектором <...> Процесс обучения включает в себя подачу обучающих выборок в качестве входных векторов через нейронную <...> Установить прогнозирование нейронной сети (1) данные о четырех входных параметров, а именно, глубина <...> в каждом слое были определены, таким образом: четыре входных нейронов, семь нейронов для каждого входа

26

Сравнительный анализ алгоритмов нейросетевого детектирования лжи [Электронный ресурс] / Ясницкий, Петров, Сичинава // Известия высших учебных заведений. Поволжский регион. Технические науки .— 2010 .— №1 .— С. 64-72 .— Режим доступа: https://rucont.ru/efd/269472

Автор: Ясницкий
М.: ПРОМЕДИА

В результате системного анализа выявлены недостатки существующих систем инструментальной детекции лжи алгоритмов нейросетевого детектирования лжи, предложены, реализованы и проанализированы алгоритмы построения нейросетевого полиграфного аппарата, выявлен наиболее перспективный алгоритм построения нейросетевого полиграфа - анкетный.

В качестве входного вектора персептрона X был использован тот же набор параметров, что и в традиционно <...> помощью штатных датчиков полиграфа ЭПОС снимаются физиологические показатели, параметры которых формируют входной <...> сети, представленной на рис. 1, были добавлены дополнительные входные нейроны: 1jx  , …, Jx , как показано <...> Первоначально были взяты все 34 входных параметра (девять физиологических параметров, т.е. снимаемых <...> Нейросеть содержала 16 нейронов входного слоя: девять нейронов, полученных с датчиков полиграфного аппарата

27

ЭКСПЕРТНАЯ СИСТЕМА ИССЛЕДОВАНИЯ ФИНАНСОВОГО РЫНКА РОССИИ [Электронный ресурс] / Э.Г. Дадян // Гуманитарные, социально-экономические и общественные науки .— 2015 .— №3 Часть 1, 2 .— С. 139-143 .— Режим доступа: https://rucont.ru/efd/427438

Автор: Дадян Эдуард Григорьевич

В данной работе приведены результаты анализа влияния существенных факторов на котировку курса валют с помощью многопараметрической экспертной системы и в условиях глубокого кризиса в Российской Федерации. В качестве инструмента исследования использовалась многопараметрическая экспертная система, разработанная на базе нейронной среды Deductor Studio. С помощью данной системы были построены модели различных процессов, проводился анализ по принципу «что если», т.е. давалась оценка, как может измениться тот или иной показатель при изменении любого влияющего фактора. Использование существенных показателей в качестве обучающей выборки позволило выполнить не только качественный, но и количественный анализ влияния выше перечисленных экономических факторов на формирование курса доллара США в условиях глубокого кризиса экономики России

При формировании топологии нейронной сети исходили из следующих предпосылок. <...> Однако и слишком маленькое количество нейронов отрицательно повлияет на сеть. <...> Определенный интерес представляет собой граф нейронной сети (рис. 3). <...> Ответ содержится в цвете линий связи идентифицированного входного нейрона с соответствующими нейронами <...> Если, например, во всем диапазоне входных значений выходное значение для данного поля не изменялось,

28

ОПТИМИЗАЦИЯ ФИНАНСОВЫХ ПОКАЗАТЕЛЕЙ ПРЕДПРИЯТИЯ НА ОСНОВЕ НЕЙРОСЕТЕВОЙ МОДЕЛИ [Электронный ресурс] / Степашина // Информационные системы и технологии .— 2014 .— №5 .— С. 34-42 .— Режим доступа: https://rucont.ru/efd/486596

Автор: Степашина

В статье предложен метод решения задачи оптимизации финансовых показателей с применением нейросетевого подхода в пакете Matlab на примере предприятия ОАО «Башинформсвязь». Проведен ряд вычислительных экспериментов по выбору нейронной сети в пакете Matlab, наилучшим образом аппроксимирующей исходные данные. Вычислены оптимальные значения финансовых показателей, доставляющих максимум значению чистой прибыли.

информация от других нейронов сети, т.е. выходы нейронов соединяются со входами других нейронов. <...> Пусть iX – входные факторы (финансовые показатели) ( ni ,...,1 ), Y – величина прибыли предприятия. <...> Задача оптимизации заключается в нахождении таких значений входных факторов iX , чтобы величина прибыли <...> ; X – вектор входных сигналов; Y – вектор выходных значений сети. <...> описывает связь между входными и выходными значениями модели.

29

АЛГОРИТМ ОБУЧЕНИЯ НЕЧЕТКОЙ НЕЙРОННОЙ СЕТИ ВАНГА-МЕНДЕЛЯ ДЛЯ РАСПОЗНАВАНИЯ РУКОПЕЧАТНЫХ СИМВОЛОВ В РАБОТЕ ПОЧТОВОЙ СЛУЖБЫ [Электронный ресурс] / Астахова, Мищенко, Краснояров // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии .— 2011 .— №2 .— С. 143-147 .— Режим доступа: https://rucont.ru/efd/520010

Автор: Астахова

Рассматривается алгоритм реализации нечеткой нейронной сети Ванга-Менделя для решения задачи распознавания рукопечатных символов

фазификацию входных переменных, второй – агрегирование значений активации условия, третий (линейный) <...> состоит в построении такого отображения пар данных (x, d), чтобы ожидаемое значение, соответствующее входному <...> не обладала достаточной памятью для построения необходимых правил на большом разнообразии возможных входных <...> Каждому входному нейрону на втором слое соответствует столько нейронов, сколько нечетких множеств задано <...> Их количество равно ab, где a – число входных переменных, b – число нечетких множеств.

30

МЕТОДИКА АВТОМАТИЗИРОВАННОГО РАСПОЗНАВАНИЯ КОНСТРУКТОРСКО-ТЕХНОЛОГИЧЕСКИХ ЭЛЕМЕНТОВ ДЕТАЛИ [Электронный ресурс] / Зиннатуллин, Горяинов // Проблемы машиностроения и автоматизации .— 2015 .— №4 .— С. 63-67 .— Режим доступа: https://rucont.ru/efd/425430

Автор: Зиннатуллин

Рассмотрен вопрос повышения эффективности технологической подготовки производства на базе автоматизированного распознавания конструкторско-технологических элементов (КТЭ) деталей на основе анализа гране-рёберного графа связности, отбора и дальнейшего распознавания потенциальных КТЭ с применением нейронных сетей.

гране-рёберного графа связности, отбора и дальнейшего распознавания потенциальных КТЭ с применением нейронных <...> В общем случае, про­ цесс автоматизированного распознавания КТЭ можно представить как обработку входной <...> для решения задачи распознавания радиаль­ но­базисная сеть должна иметь следующую структуру: – один входной <...> нейрон, на который подаются значения переменных – вектор параметров пе­ тель; – единственный скрытый <...> слой, для которого в процессе исследования следует подобрать опти­ мальное количество скрытых нейронов

31

НЕЙРОСЕТЕВАЯ КЛАССИФИКАЦИЯ ГИПЕРСПЕКТРАЛЬНЫХ ИЗОБРАЖЕНИЙ НА ОСНОВЕ ПРЕОБРАЗОВАНИЯ ГИЛЬБЕРТА — ХУАНГА [Электронный ресурс] / Нежевенко, Феоктистов, Дашевский // Автометрия .— 2017 .— №2 .— С. 79-85 .— Режим доступа: https://rucont.ru/efd/587717

Автор: Нежевенко

Метод классификации изображения с предварительной трансформацией его к главным компонентам и использованием преобразования Гильберта — Хуанга исследуется на примере нейросетевой классификации гиперспектрального изображения. Показана эффективность метода путём сравнения с традиционными методами нейросетевой классификации при использовании в качестве признаков спектральных компонент и главных компонент без привлечения пространственной информации. Для классификации применяются нейронные радиально-базисные и комплексные сети

Для классификации применяются нейронные радиально-базисные и комплексные сети. <...> и в комплекснозначной сети с многоуровневыми нейронами. <...> StatSoft по классификации фрагмента гиперспектрального изображения таты: на МГК (архитектура 5-23-16: 5 входных <...> нейронов, 23 скрытых и 16 выходных) Pт = 0,623. <...> Классификация гиперспектральных изображений с помощью нейронных сетей с бинарными и многоуровневыми нейронами

32

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.

Делением координат каждой точки на среднее квадратичное из входного набора точек произведена нормализация <...> Процесс вычисления значения на одном нейроне заключается в получении на синапсы входных параметров нейрона <...> в последовательной передаче получаемых на аксоне значений следующему нейрону в качестве входного значения <...> функцию, а также построены на прямом распространении сигнала, при этом все связи направлены строго от входных <...> нейронов к выходным [15].

33

МОДЕЛИРОВАНИЕ КОМБИНИРОВАННОЙ НЕЙРОСЕТЕВОЙ И ДИНАМИЧЕСКОЙ МОДЕЛИ СОЦИАЛЬНО-ЭКОНОМИЧЕСКОГО РАЗВИТИЯ: УКРЕПЛЕНИЕ ОСНОВ ИНСТИТУЦИОНАЛИЗМА [Электронный ресурс] / Л.М. Борщ, Буркальцева, Воробьев // Гуманитарные, социально-экономические и общественные науки .— 2016 .— №8-9 .— С. 271-276 .— Режим доступа: https://rucont.ru/efd/486869

Автор: Борщ Людмила Михайловна

Основными задачами данного исследования является обзор при помощи комбинированной нейросетевой и динамической модели следующих уровней: социально-экономический уровень экономического развития; уровень экономического развития государства; уровень участия его в мировом хозяйстве и промышленном развитии страны. В статье рассматривается информационно-аналитическая система с применением искусственного интеллекта нейросетевой динамической модели, по уровню социальноэкономических показателей, анализа прогноза и планирования пространственно временного развития направлена на укрепление основ институционализма

Жернаков Искусственные нейронные сети прошли первые испытания в 1943году. У. Маккалок и У. <...> В процессе обучения нейронная сеть достигает необходимого качества выполняемой работы – нейронная сеть <...> На рисунке 2 видно входной и выходной слой нейронной сети, каждая скрутка имеет количество своих показателей <...> Этот подбор очень важен при поступле нии входной нейронной сети большого массива информации и её обработки <...> точностью данные входного слоя i на выходном слое k.

34

№3 [Нефтегазовые технологии, 2009]

В журнале публикуются статьи о новейших мировых технологиях нефтегазовой отрасли, справочники, статистика, информационные материалы, маркетинговые исследования рынков. Специально для Вас рубрика "Новейшие мировые технологии в России и СНГ". Информационные партнеры нашей рубрики Haliburton (США), EXPRO GROUP (Великобритания - Экспро Евразия Лимитед Московский филиал), SPIG (Италия) и др. Журнал является информационным спонсором международных и региональных нефтегазовых выставок России и СНГ, международных конгрессов и конференций

Выходные данные, в свою очередь, могут быть входными для следующего нейрона. <...> ЭТАПЫ ПОСТРОЕНИЯ МОДЕЛИ Определение параметров. • Определить входные данные (x1, x2, . . . , xn); входные <...> нейроны = n. • Реальный выход = Y; Y = f(x1, x2, . . . , xn); выходные нейроны = 1. • Определить количество <...> Базовая функциональная схема ANN Входные данные Нейрон Выходные данные Сумматор Функция активации Рис <...> Простейшая нейронная сеть Входные Скрытые Выходные Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис

Предпросмотр: Нефтегазовые технологии №3 2009.pdf (5,6 Мб)
35

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

число входных нейронов по числу руководящих параметров (рис. 2). <...> Пороговое значение bk отражает увеличение или уменьшение входного сигнала. <...> Функционирование нейрона k можно представить парой функций: где x1, x2, …, xm – входные сигналы; wk1, <...> wk2, …, wkm – синаптические веса нейрона k , uk – линейная комбинация входных воздействий. <...> При обработке данных нейросетью, входные данные нормализовались к диапазону от –1 до 1, данные Рис. 2

36

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).

входного слоя и 3 нейрона выходного слоя. <...> Число нейронов входного слоя персептрона должно совпадать с размерностью вектора входных параметров X <...> меньше, чем у других нейронов, то этот входной нейрон скорее всего соответствует незначимому параметру <...> входного слоя и 3 нейрона выходного слоя. <...> Число нейронов входного слоя персептрона должно совпадать с размерностью вектора входных параметров X

Предпросмотр: Современные проблемы науки.pdf (0,2 Мб)
37

Интеллектуальная обработка информации в области оценки недвижимости [Электронный ресурс] / Тиндова // Прикладная информатика / Journal of Applied Informatics .— 2007 .— №5 .— С. 4-11 .— Режим доступа: https://rucont.ru/efd/445965

Автор: Тиндова

Реализация национального проекта «Доступное и комфортное жилье — гражданам России» делает рынок недвижимости одной из наиболее динамично развивающихся сфер российской экономики. Значительный удельный вес активов юридических и физических лиц приходится на недвижимость, и это делает актуальной задачу определения ее стоимости. В статье предлагается расширение и уточнение традиционной концепции оценки недвижимости при помощи систем, основанных на интеллектуальных средствах обработки информации

Данная программа реализует процесс оцен� ки недвижимости в виде многослойного пер� септрона, в котором входными <...> нейронами являются оцениваемые параметры модели. <...> Исходные данные по каждому объекту не� движимости образуют вектор входных пара� метров модели. <...> Число входов каждого нейро� на равно размерности входного образа. <...> Вычисление степени истинности ле� вых частей правил, т.е. определение степе� ни принадлежности входных

38

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

предыдущего слоя (обычно называемого скрытым слоем) за исключением входного слоя, непосредственно принимающего <...> входные сигналы [1]. <...> Структура обучающего множества имеет вид: ( ){ } 1,, , ,i i i NX Y x y ==    (1) где nix ∈  – входной <...> величина, ijw – весовой коэффициент, связывающий j -ый входной нейрон с i -ым нейроном скрытого слоя <...> -ый нейрон скрытого слоя в выходным нейроном, σ – коэффициент смещения для выходного нейрона, ( )1

39

Компьютерное моделирование технологического процесса восстановления и упрочнения деталей сельскохозяйственной техники на примере МДО

О построении эмпирической модели на примере процесса упрочнения методом микродугового оксидирования (МДО) деталей сельскохозяйственной техники из алюминиевых сплавов, восстановленных наплавкой.

слой нейронов получает внешнюю информацию от процесса. <...> Мы использо­ вали нейронную сеть со структурой, состоящей из трех входных нейронов в случае моделирования <...> Нейронная сеть включает сигмоидальную активационную функцию и не имеет входных смещений для прямого распространения <...> Мы рассматривали возможность применения нескольких видов нейронных сетей. <...> Массив входных экспериментальных данных для толщин h^hi h2(Dt, T), где: 1-2 входных столбца Dt и Т; Т

Предпросмотр: Компьютерное моделирование технологического процесса восстановления и упрочнения деталей сельскохозяйственной техники на примере МДО .pdf (0,1 Мб)
40

МЕТОДИКА НЕЙРОСЕТЕВОГО ПРОГНОЗИРОВАНИЯ КАССОВЫХ СБОРОВ КИНОФИЛЬМОВ [Электронный ресурс] / Л.Н. Ясницкий, Белобородова, Медведева // Финансовая аналитика: проблемы и решения .— 2017 .— №4 .— С. 95-109 .— Режим доступа: https://rucont.ru/efd/598072

Автор: Ясницкий Леонид Нахимович

Тема. Нейросетевое прогнозирование в кинобизнесе Цели. Статья посвящена исследованию возможностей применения метода экономико-математического моделирования для прогнозирования выручки и прибыли от проката будущих кинофильмов, а также выявлению факторов, влияющих на коммерческий успех кинобизнеса. Методология. В основе экономико-математической модели лежит нейронная сеть, обученная на известных исторических данных о прокате кинофильмов и включающая в себя 20 входных параметров. Компьютерные эксперименты выполнены методом «замораживания»: с помощью нейронной сети проводились вычисления при виртуальном изменении одного из входных параметров модели, тогда как остальные входные параметры сохранялись неизменными. Результаты. Среднеквадратичная относительная ошибка модели составила 13,8%, коэффициент детерминации – 0,86. Возможности модели продемонстрированы на кинофильмах «Код да Винчи», «Звездные войны». Выводы. Виртуальное увеличение бюджета фильмов по-разному сказывается на прогнозируемых кассовых сборах фильмов и величине прибыли. В первом случае виртуальное увеличение бюджета приводит к существенному возрастанию сборов и прибыли, тогда как во втором сборы с определенного момента перестают увеличиваться, а рост прибыли замедляется и даже наблюдается ее падение. По-разному влияют на успех кинобизнеса и другие параметры фильмов. На основании компьютерных экспериментов предложены рекомендации, которые могут способствовать повышению кассовых сборов фильмов. Значимость. Созданная экономико-математическая модель может быть использована для оптимизации финансовых затрат и выбора параметров при планировании новых фильмов. Она позволяет делать прогнозы в отношении кассовых сборов и прибыли от кинопроката, а также исследовать влияние различных параметров на коммерческий результат кинобизнеса.

при виртуальном изменении одного из входных параметров модели, тогда как остальные входные параметры <...> В число входных параметров нейронной сети были включены только те критерии, поиски которых не требуют <...> Оптимальная структура нейронной сети представляла собой персептрон (рис. 1), имеющий двадцать входных <...> нейронов, один скрытый слой с шестью нейронами, а также один выходной нейрон. <...> Так, варьируя входные параметры обученной нейронной сети и производя вычисления, можно сформировать конкретный

41

№1 [Актуальные проблемы современной науки, 2011]

Оперативная публикация статей аспирантов и соискателей для защиты диссертаций по различным наукам.

Влияния диаметра отверстий – сопел на перепад давления. при входном давлении Pвх=0,5 МПа, α=5°; при входном <...> процедур аутентификации пользователей на входные нейроны подаются значения, характеризующие результаты <...> Данные значения подаются на входной слой нейронов логической нейросети, модуля авторизации, тем самым <...> на входном слое сети; – f – передаточная функция характеризующая величину возбуждения 9,10 и 11ого нейрона <...> на входном слое нейронной сети модуля авторизации; – Wi – величина возбуждения i-ого нейрона на выходном

Предпросмотр: Актуальные проблемы современной науки №1 2011.pdf (0,3 Мб)
42

ФАКТОРЫ ОБРАЗОВАНИЯ ЛЕДОВЫХ ЗАТОРОВ НА РЕКАХ БАССЕЙНА СЕВЕРНОЙ ДВИНЫ В СОВРЕМЕННЫХ УСЛОВИЯХ [Электронный ресурс] / Агафонова, Василенко, Фролова // Вестник Московского университета. Серия 5. География .— 2016 .— №2 .— С. 84-92 .— Режим доступа: https://rucont.ru/efd/458697

Автор: Агафонова

На примере наиболее проблемных участков рек бассейна р. Северная Двина рассмотрены современные особенности заторообразования, характеризующиеся сложным сочетанием меняющихся климатических условий и антропогенного воздействия Исследование на реках бассейна Северной Двины разных фаз ледового режима и его опасных проявлений выполнено на основе данных наблюдений на 15 гидрологических постах с начала наблюдений до 2015 г. включительно.

Великий Устюг с помощью искусственных нейронных сетей (ИНС). <...> Каждая нейронная сеть имеет в составе входные нейроны, в которые помещается исходная информация; нейроны <...> Совокупность нейронов и путей связи между ними представляет собой архитектуру нейронной сети [Васильев <...> В этом случае сигнал последовательно возвращается от выходных нейронов к скрытому слою, далее к входному <...> Авторы предприняли попытку составить схему прогноза с помощью искусственных нейронных сетей.

43

Принципы концептуального подхода к созданию подсистемы ИНСТРУМЕНТ в смарт-паспорте многооперационного станка [Электронный ресурс] / Тугенгольд, Изюмов // Вестник Донского государственного технического университета .— 2014 .— №2 .— С. 75-84 .— Режим доступа: https://rucont.ru/efd/376839

Автор: Тугенгольд

Описаны принципы построения и функционирования системы наблюдения за станками в компьютеризированном производстве. В центре внимания — состояние инструментов и управление инструментальным обеспечением. Предложенный подход ориентирован на создание условий для эффективного функционирования и управления состоянием инструментов с помощью системы знаний блока ИНСТРУМЕНТ смарт-паспорта станка.

инструментов до FB, например, используется нейро-нечёткое моделирование процессов их износа на базе нейронной <...> Её архитектура предусматривает 7 входных нейронов, два скрытых слоя и один выходной нейрон.

44

Использование нейросетевых моделей в поведенческом скоринге [Электронный ресурс] / Сорокин, Сорокин // Прикладная информатика / Journal of Applied Informatics .— 2015 .— №2 .— С. 92-109 .— Режим доступа: https://rucont.ru/efd/428738

Автор: Сорокин

В основе построения скоринговых систем могут быть использованы различные математикостатистические модели. Эти модели могут быть получены методами линейной регрессии, логистической регрессии, дискриминантного анализа, деревьев решений, нейронных сетей и других методов. В статье рассматривается пример построения модели поведенческого скроринга в банковской сфере на основе нейронной сети в программе IBM SPSS Statistics. Приводятся методика моделирования, последовательность настройки параметров сети в диалоговых окнах процедур программы SPSS, программный код синтаксиса команд SPSS для реализации рассмотренного алгоритма, а также результаты моделирования. Эти результаты могут быть использованы в учебном процессе для проведения лабораторных работ и практикумов при обучении методам нейросетевого моделирования в программе SPSS, а также для самостоятельных исследований.

Обрабатываемый сигнал распространяется по сети послойно, начиная от входного слоя. <...> Входной слой Выходной слой Слои скрытых нейронов Рис. 1. <...> Число нейронов входного слоя определяется числом и видом независимых переменных в модели. <...> Для категориальных переменных целесообразно использовать по одному входному нейрону для каждой категории <...> В рамках рассматриваемой задачи число элементов входного слоя сети равно 28.

45

№1 [Общественные науки и современность, 2016]

Единственное в России академическое обществоведческое междисциплинарное издание. Публикуются статьи по политологии и праву, экономике и социологии, философии и истории, культурологии и психологии. Предпочтение отдается исследованиям, находящимся на стыке различных дисциплин. Кредо журнала – плюрализм мнений, состязательность исследовательских школ и направлений, научный диалог, внимательное отношение к точке зрения оппонента.

Прототип первого – человеческий язык, другого – сеть нейронов мозга. <...> Каждый нейрон с номером i суммирует все приходящие к нему сигналы от нейронов с номерами j, умножая их <...> затем над сетью была многократно повторена следующая операция: слова в письменной форме подавались на входные <...> Сеть сохраняла полученный “навык” даже после удаления (но только случайным образом) 90% нейронов. <...> Сейновски: «Он обнаружил, что выбранные наугад 10 нейронов могут быть использованы как “зерно”, чтобы

Предпросмотр: Общественные науки и современность №1 2016.pdf (0,2 Мб)
46

№2 [Сварка и Диагностика, 2013]

В журнале «Сварка и Диагностика» читатели получают информацию об изобретениях и новых разработках, приобретают теоретический и практический опыт непосредственно с помощью признанных специалистов в области сварки. Журнал «Сварка и Диагностика» включает в себя несколько разделов: Информационный - новости Системы аттестации сварочного производства и деятельности Национального Агентства Контроля Сварки, а также обзоры профильных выставок, конференций, семинаров, освещаются значимые памятные даты и юбилеи. Научно-технический - научные статьи и основные научные результаты диссертаций на соискание ученой степени доктора и кандидата наук. Производственный - материалы о новейших исследованиях и достижениях в области сварки и родственных технологий в важнейших производственных сферах экономики России: в нефтегазовом комплексе, в атомной энергетике, машиностроении, в строительстве и других отраслях промышленности. Библиография – обзор патентов и свидетельств РФ.

Структура нейронной сети Хэмминга: Xn, Ym — вход и выход нейронной сети: n — размерность входного сигнала <...> нейронов входного слоя, равное ab; m — количество шаблонов входного сигнала) Xi j 1 m --Copyright ОАО <...> Активизированные нейроны входного слоя X хранят и передают в нейронную сеть по каналам связи сигнал со <...> значе� нием +1, остальные нейроны входного слоя хранят и передают сигнал со значением –1. <...> в за� висимости от размеров сетки входных нейронов изменялась от 0,1 до 0,4 кН.

Предпросмотр: Сварка и Диагностика №2 2013.pdf (0,1 Мб)
47

№4 [Финансовый бизнес, 2016]

В журнале освещаются теоретические и практические результаты научных исследований в области финансового бизнеса по следующим вопросам: бухучет и аудит; бюджетная политика; валютно-кредитные отношения; инвестиционно-инновационная политика; налоги и налогообложение; оценочная деятельность; страховой бизнес; мировая экономика.

разбиение n-мерного пространства (n – число входных нейронов, число административных районов) на k классов <...> (k – число выходных нейронов, число постов наблюдения), т. е. автомат, который по заданному входному <...> Уровень активации выходного нейрона вычисляет евклидово расстояние между входным вектором и вектором <...> весов этого нейрона: где хj – уровень активации j-го входного нейрона; оi – уровень активации i-го выходного <...> нейрона; wij – вес связи от i-го входного нейрона к j-му выходному нейрону (в нашем случае число жителей

Предпросмотр: Финансовый бизнес №4 2016.pdf (0,1 Мб)
48

Основы статистического моделирования метод. рекомендации

Автор: Цыпин А. П.
ОГУ

Методические рекомендации призваны способствовать лучшему освоению курса «Основы статистического моделирования» и закреплению теоретических знаний на основе использования статистических и эконометрических методов применительно к фактическим данным.

Провести построение модели зависимости переменных на основе нейронных сетей: 1) выделить класс нейронных <...> Для построения сети необходимо выбрать кнопку Переменные и задать входную переменную (либо группу переменных <...> Такой нейрон преобразовывает расстояние от данного входного вектора до соответствующего ему «центра» <...> Аббревиатура 3:3-4-1:1 означает, что сеть имеет 3 входных нейрона (переменные ), 4 нейронов скрытого <...> Нейронные сети.

Предпросмотр: Основы статистического моделирования.pdf (0,3 Мб)
49

№2 [Вестник Донского государственного технического университета, 2014]

Журнал является периодическим печатным научным рецензируемым журналом. Публикуются научные статьи по направлениям: машиностроение; управление, вычислительная техника и информатика; агропромышленная инженерия. Журнал входит в перечень ведущих рецензируемых научных журналов и изданий, в которых должны быть опубликованы основные научные результаты диссертаций на соискание ученых степеней доктора и кандидата наук.

Её архитектура предусматривает 7 входных нейронов, два скрытых слоя и один выходной нейрон. <...> с номерами n и m; mX — входной сигнал от нейрона m; F — сигмовидная функция; pE — ошибка для выходного <...> Затем сравниваются выходные сигналы нейронов скрытого слоя и входные сигналы нейронов выходного слоя. <...> и скрытыми нейронами с номерами l и m; lI — выходы из входных нейронов; θm — пороги нейронов скрытых <...> нейронов) — 20 (скрытых нейронов) — 1 (выходной нейрон).

Предпросмотр: Вестник Донского государственного технического университета №2 2014.pdf (0,9 Мб)
50

№1 [Прикладная информатика / Journal of Applied Informatics, 2019]

Журнал «Прикладная информатика» является преемником одноименного сборника, выпускавшегося с 1981 года издательством «Финансы и статистика». Освещает современные тенденции в развитии прикладной информатики. Большая часть материалов посвящена прикладным вопросам: применению информационных технологий в таких областях как электронный маркетинг и коммерция, подготовка IT-специалистов, информационные системы, математическое и компьютерное моделирование, информационная безопасность. Журнал с 2006 года входит в состав учредителей ряда международных и всероссийских конференций, а также оказывает оргкомитетам информационную поддержку в проведении таких мероприятий. Издание включено в Перечень ВАК Минобрнауки РФ.

обогащения входных данных об образе. <...> Структуру нейросетевой модели можно определить по следующим параметрам: количество входных нейронов, <...> В качестве входных показателей, образующих обучающую выборку значений нейронной сети, используется численный <...> скрытого слоя, Nin — число входных нейронов. <...> В нашем случае число входных нейронов Nin = 12, следовательно, Nh = 25.

Предпросмотр: Прикладная информатика Journal of Applied Informatics №1 2019.pdf (0,6 Мб)
Страницы: 1 2 3 ... 905