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: 68721 (1,10 сек)

Свободный доступ
Ограниченный доступ
Уточняется продление лицензии
1

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

Тестовая производительность Ошибка обучения Контрольная ошибка Тестовая ошибка Метод обучения Входы Скрытые <...> В работе проанализированы 1000 сетей трех типов: линейная, радиальная базисная функция (с числом скрытых <...> нейронов от 1 до 8) и трехслойный персептрон (многослойный персептрон с одним скрытым слоем и числом <...> скрытых нейронов от 1 до 10). <...> Персептрон состоит из трех слоев: средний (скрытый, 4 нейрона), входной (4 входа, дескрипторы растворителей

2

Основы нейроинформатики [учеб. пособие]

Автор: Солдатова
Издательство СГАУ

Основы нейроинформатики. Используемые программы: Adobe Acrobat. Труды сотрудников СГАУ (электрон. версия)

Сеть содержит один или несколько слоев скрытых нейронов. <...> Локальные признаки извлекаются в первом скрытом слое, то есть некоторые нейроны первого скрытого слоя <...> от нейронов скрытого слоя. <...> слоя, а функция активации i-го нейрона скрытого слоя. <...> в скрытом слое =K 6; • функция активации для скрытых нейронов – синусоидальная; • функция активации

Предпросмотр: Основы нейроинформатики.pdf (1,0 Мб)
3

ОЦЕНКА РЕЖУЩИХ СПОСОБНОСТЕЙ НИТРИДБОРОВЫХ ВЫСОКОПОРИСТЫХ КРУГОВ ПРИ МАЯТНИКОВОМ ШЛИФОВАНИИ ДЕТАЛЕЙ ИЗ СПЛАВА ВТ20 С ИСПОЛЬЗОВАНИЕМ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ [Электронный ресурс] / Солер, Май, Нгуен // Обработка металлов (технология, оборудование, инструменты) .— 2016 .— №2 .— С. 28-40 .— Режим доступа: https://rucont.ru/efd/610242

Автор: Солер

Прорыв при шлифовании титановых сплавов обеспечил появление на рынке абразивной продукции высокопористых кругов (ВПК) из кубического нитрида бора (КНБ), снизивших адгезионное и диффузионное явления, протекающие в зоне резания. В исследовании испытаны ВПК из КНБ шести наименований (CBN30; ЛКВ50) В126 100 (L; M; O)V K27 (КФ25; КФ40). Стохастический характер шлифования обусловил выбор непараметрического метода статистики с его мерами положения (медианами) и рассеяния (квартильными широтами (КШ), которые оценивают параметры шлифования: Ra, Rmax, Sm (ГОСТ 2789–73). Вследствие высокой режущей способности (РС) нитридборовых ВПК на заводах стали использовать для шлифования любые нитридборовые ВПК. Нами установлено, что выбор оптимальной характеристики позволяет снизить высотные параметры на 2-3 категориальных величины или 1-2 технологических перехода. Моделирование топографии поверхности в искусственных нейронных сетях (ИНС) по трем параметрам шероховатости с учетом стабильности их формирования позволило первое место по РС отдать ВПК ЛКВ50 В126 100 MV K27-КФ40 с лингвистической оценкой «очень хорошая». ИНС представили входные переменные по убыванию чувствительности к принятию решения в следующей последовательности: Ra, Rmax, КШ(Rmax), КШ(Sm), КШ(Ra1i) и Sm.

Архитектура ИНС определяет ее структуру, включающую входные, выходные (нейроны) и множество скрытых слоев <...> , в которых присутствуют скрытые нейроны (рис. 1) [13, 20]. <...> Между входным и выходным слоями расположены так называемые скрытые (промежуточные) слои. <...> архитектура выбираемой модели типа МП с шестью входными и пятью выходными сигналами, в которой имеется два скрытых <...> На каждом слое содержится десять скрытых элементов.

4

№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

(функция активации или передаточная функция); vi – вес связи между нейронами скрытого слоя и нейроном <...> При применении ИНС важно найти оптимальный размер сети – такое число скрытых слоев нейронов и нейронов <...> Кривые выходят на один асимптотический уровень при размере скрытого слоя в 10 и 12 скрытых нейронов для <...> числа скрытых слоев и скрытых нейронов бессмысленно. <...> скрытые слои и выделяются с нейронов выходного слоя.

Предпросмотр: Научный вестник НГТУ №1 2008.pdf (0,6 Мб)
5

№3 [Известия высших учебных заведений. Северо-Кавказский регион. Технические науки, 2010]

Научно-образовательный и прикладной журнал «Известия вузов. Северо-Кавказский регион. Технические науки» основан в 1972 году Юрием Андреевичем Ждановым. Журнал ориентирован на профессорско-преподавательский состав, аспирантов, докторантов и студентов вузов, научных и инженерно-технических работников научно-исследовательских и проектно-конструкторских институтов, промышленных предприятий и организаций. Журнал публикует статьи, содержащие результаты теоретических и экспериментальных исследований по следующим направлениям: - информатика, вычислительная техника и управление; - энергетика; - машиностроение и машиноведение; - химическая технология; -строительство и архитектура. Журнал «Известия вузов. Северо-Кавказский регион. Технические науки» включен в «Перечень российских рецензируемых научных журналов, в которых должны быть опубликованы основные научные результаты диссертаций на соискание ученых степеней доктора и кандидата наук», а также входит в международные реферативные базы данных CAS(pt), GeoRef, zbMATH.

. № 3 27 где ,j jm M R – настраиваемые синаптические связи j -го скрытого нейрона, ( ( ), ( 1),..., <...> нейрона,  ( ) : 0,1nOut x R  – выходной сигнал ГСМ с J скрытыми нейронами. 1x )(1 xOut )(xOut J ) <...> Структура ГСМ с J скрытыми нейронами Заметим, что общее число синаптических связей ГСМ существенно меньше <...> В результате скрытые нейроны ГСМ описывают в признаковом пространстве системных переменных не гиперпрямоугольные <...> Добавить скрытый нейрон СТОП Нет Нет Да Да Рис. 3.

Предпросмотр: Известия высших учебных заведений. Северо-Кавказский регион. Технические науки №3 2010.pdf (0,8 Мб)
6

№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.

(функция активации или передаточная функция); vi – вес связи между нейронами скрытого слоя и нейроном <...> При применении ИНС важно найти оптимальный размер сети – такое число скрытых слоев нейронов и нейронов <...> Кривые выходят на один асимптотический уровень при размере скрытого слоя в 10 и 12 скрытых нейронов для <...> числа скрытых слоев и скрытых нейронов бессмысленно. <...> скрытые слои и выделяются с нейронов выходного слоя.

Предпросмотр: Химия в интересах устойчивого развития №1 2008.pdf (0,6 Мб)
7

№2 [Вестник Пермского университета. Философия. Психология. Социология, 2018]

Тематика статей отражает научные интересы специалистов в области социально-гуманитарного знания. Впубликуемых материалах рассматриваются актуальные проблемы философии, психологии и социологии, обсуждаются результаты эмпирических исследований.

Нейронные сети. <...> На рис. 6 представлена архитектура нейронной сети, имеющая три слоя: входной, скрытый и выходной. <...> На скрытом слое присутствуют два искусственных нейрона, котоCopyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство <...> В определенной степени скрытые нейроны можно считать факторами, обобщающими первичные данные. <...> опосредованно, через скрытые нейроны (некие системообразующие факторы).

Предпросмотр: Вестник Пермского университета. Философия. Психология. Социология №2 2018.pdf (0,1 Мб)
8

№2 [Журнал общей химии, 2017]

Основан в 1869 г. Публикуются работы, посвященные актуальным общим вопросам химии и проблемам, возникающим как на стыке различных разделов химии, так и на стыке химии и смежных с ней наук. Журнал является рецензируемым, включен в Перечень ВАК для опубликования работ соискателей ученых степеней.

Обучение искусственных нейронных сетей заключается в нахождении коэффициентов связей между нейронами. <...> Результаты обучения нейронных сетей. Нейронная сеть работает по типу «черного ящика». <...> нейронов от 1 до 8) и трехслойный персептрон (многослойный персептрон с одним скрытым слоем и числом <...> скрытых нейронов от 1 до 10). <...> Персептрон состоит из трех слоев: средний (скрытый, 4 нейрона), входной (4 входа, дескрипторы растворителей

Предпросмотр: Журнал общей химии №2 2017.pdf (0,5 Мб)
9

№2 [Обработка металлов (технология, оборудование, инструменты), 2016]

Ежеквартальный научно-технический и производственный журнал «Обработка металлов (технология • оборудование • инструменты)» публикует: материалы о прогрессивном оборудовании и инструментах для металло- и деревообработки, слесарно-монтажных, строительных и малярных работах, о достижениях в области их разработки и авангардных технологиях производства, а также о проблемах экономики и организации производства, подготовки специалистов и повышения их квалификации; результаты научных исследований докторов и кандидатов наук, аспирантов, магистров техники и технологии по следующим научным направлениям: 05.02.07 – Технология и оборудование механической и физико-технической обработки, 05.02.08 – Технология машиностроения, 05.16.01 – Металловедение и термическая обработка металлов и сплавов, 05.16.09 – Материаловедение (машиностроение). Научно-технический и производственный журнал «Обработка металлов (технология • оборудование • инструменты)» вошел в индекс цитирования Emerging Sources Citation Index (ESCI) базы Web of Science.

Архитектура ИНС определяет ее структуру, включающую входные, выходные (нейроны) и множество скрытых слоев <...> , в которых присутствуют скрытые нейроны (рис. 1) [13, 20]. <...> Между входным и выходным слоями расположены так называемые скрытые (промежуточные) слои. <...> Алгоритм обучения нейронной сети 1. В нейронную сеть из набора внешней среды поступают стимулы. 2. <...> На каждом слое содержится десять скрытых элементов.

Предпросмотр: Обработка металлов (технология, оборудование, инструменты) №2 2016.pdf (1,2 Мб)
10

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.

добавленным скрытым нейронам. <...> скрытого нейрона. <...> Далее следует процесс обучения скрытого нейрона. <...> Скрытый нейрон подключается ко всем выходным нейронам сети Рис. 7.4. <...> сети и к скрытому нейрону (скрытым нейронам), а его аксон остается свободным Copyright ОАО «ЦКБ «БИБКОМ

Предпросмотр: Интеллектуальные системы учебник — Эл. изд..pdf (0,2 Мб)
11

Реализация нейронной сети для распознавания изображений с помощью технологии NVDIA CUDA [Электронный ресурс] / Ферцев // Прикладная информатика / Journal of Applied Informatics .— 2011 .— №6 .— С. 102-110 .— Режим доступа: https://rucont.ru/efd/453315

Автор: Ферцев

В данной работе предложен улучшенный алгоритм обучения нейронной сети прямого распространения на основе метода Левенберга-Марквардта. Алгоритм реализован в специальном программном комплексе на базе современной технологии параллельных вычислений

сети, состоящей из трех слоев: входного (n нейронов), скрытого (m нейронов) и выходного (p нейронов) <...> сети с переменным количеством нейронов в скрытом слое — от 6 до 24 с шагом в 3 нейрона. <...> скрытых нейронов, а в табл. 3 — соотношение общего времени обучения. <...> а для нейронной сети со скрытым слоем из 24 нейронов — 110 раз. <...> скрытыми нейронами данной работы, равнялся 6,9.

12

Предвычисления октановых чисел бензиновых смесей с использованием искусственных нейронных сетей [Электронный ресурс] / Paranghooshi, Sadeghi, Shafiei // Нефтегазовые технологии .— 2010 .— №2 .— С. 77-82 .— Режим доступа: https://rucont.ru/efd/262174

Автор: Paranghooshi
М.: ПРОМЕДИА

Представлена новая искусственная нейронная сеть-модель прогнозирования для вычисления величины исследовательского октанового числа бензиновой смеси на нефтеперерабатывающем заводе.

Нейроны во входном слое получают входные сигналы и затем передают их на скрытый слой нейронов без каких <...> Выходные нейроны выполняют такие же операции, как и скрытые нейроны. <...> Оптимизированные параметры сети были числом скрытых слоев, нейронов в каждом скрытом слое и типом функции <...> В нейронных сетях обратного распространения, число скрытых нейронов определяет, как хорошо может быть <...> Если число использующихся скрытых нейронов не достаточно, нейронная сеть будет обобщать соотношения,

13

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.

; mH — выходы из скрытых нейронов. 5. <...> На следующем шаге весовые коэффициенты скрытого слоя модифицируются аналогично предыдущим. <...> Затем сравниваются выходные сигналы нейронов скрытого слоя и входные сигналы нейронов выходного слоя. <...> нейронами с номерами l и m; lI — выходы из входных нейронов; θm — пороги нейронов скрытых слоёв сети <...> ) — 20 (скрытых нейронов) — 1 (выходной нейрон).

14

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

Обучение проводилось с использованием генетической оптимизации для количества нейронов в скрытых слоях <...> , 13 скрытыми нейронами и 1 выходным нейроном. <...> (30 нейронов), скрытого (65 нейронов) и выходного (6 нейронов) слоев. <...> ), скрытый (4 нейрона) и выходной (1 нейрон). <...> Первый слой сети состоял из 13 нейронов, второй (скрытый) – также из 13 нейронов, а выходной слой – из

15

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.

Входной слой Выходной слой Слои скрытых нейронов Рис. 1. <...> В этом случае следует увеличить число скрытых нейронов или добавить новый скрытый слой. <...> В этом случае нужно уменьшать число скрытых слоев или нейронов в них. <...> В ручном режиме можно задать количество скрытых слоев, количество нейронов скрытых слоев и функции активации <...> Например, нейронная сеть с двумя скрытыми слоями по 200 нейронов показала ошибку около 18% на всех выборках

16

СИНХРОНИЗАЦИЯ УЗЛОВ КОММУНИКАЦИОННОЙ СЕТИ СВЯЗИ НА ОСНОВЕ НЕЙРОННОЙ МЕТАСЕТИ [Электронный ресурс] / Лавренков // Прикладная информатика / Journal of Applied Informatics .— 2016 .— №6(66) .— С. 97-111 .— Режим доступа: https://rucont.ru/efd/595182

Автор: Лавренков

Рассмотрены вопросы применения растущих нейросетевых структур для выполнения синхронизации по времени узлов в сети связи. Приведен пример размещения в узлах телекоммуникационной сети нейронных сетей с линиями задержки, применяемых для частичной модификации содержимого информационного пакета с временными метками при его распространении от хронирующих источников до целевых узлов. Предлагается использовать растущую каскадно-корреляционную нейронную сеть для определения времени распространения пакета по сети связи на основе анализа изменения его вариативной части нейроконтроллерами, расположенными в узлах сети. Для повышения быстродействия системы выполнена разработка системы сжатия данных для настройки и обучения спроектированного нейросетевого комплекса

осуществлялось путем создания минимальной сети, включаю‑ щей входной и выходной слои, в которой от‑ сутствуют скрытые <...> нейроны. <...> Преимущество применения данного класса сетей — отсутствие необходимости точного формирования количества скрытых <...> нейронов. <...> данных особое внимание требуется уделять выделению латентных факторов, дей‑ ствие которых на систему скрыто

17

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 <...> Были рассмотрены сети с различным числом скрытых нейронов (до восьми) и с разными S-образными функциями <...> сети с функцией активации Ферми и шестью нейронами в скрытом слое предоставляет лучшие результаты прогноза <...> нейронами и 3 различными функциями активации) показывает, что сети с функцией Ферми активации и 4 скрытыми <...> Средняя температура за день Разница температуры Прогноз потребления тепла входные нейроны 3 8 скрытых

Предпросмотр: Вестник Липецкого государственного технического университета (Вестник ЛГТУ). № 2 (24). 2015 г..pdf (1,0 Мб)
18

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.

с биологическими нервными системами и содержат внутренние, скрытые и наружные слои [1, 2, 3]. <...> нейронов одного слоя, к нейронам другого слоя с помощью регулировочных весов. <...> Нейронная сеть имеет три основных элемента: блок обработки, нейрон, сетевая структура и алгоритм обучения <...> в скрытом слое и один нейрон в выходном слое, который является значением пористости. <...> Результат и заключение Есть четыре входа и один выход, но число скрытых нейронов были увеличены до тех

19

Использование нейронных сетей для построения прогностических моделей процессов в энергетических установках и их агрегатах [Электронный ресурс] / Зароченцев [и др.] // Известия высших учебных заведений. Электроника .— 2016 .— №3 .— С. 51-57 .— Режим доступа: https://rucont.ru/efd/376650

Автор: Зароченцев

Представлен опыт внедрения информационно-измерительных технологий и имитационного моделирования в практику стендовой отработки различных изделий ракетно-космической техники. Рассмотрен пример использования нейросетевого имитационного моделирования применительно к задаче построения прогностической модели прироста давления в насосе горючего турбонасосного агрегата жидкостного ракетного двигателя в зависимости от скорости потока и концентрации полимерной присадки. Приведены этапы программной реализации соответствующей нейросетевой модели, а также описание пользовательского интерфейса. С помощью модели уточнена оптимальная концентрация полимерной присадки, позволяющая увеличить КПД насоса горючего жидкостного ракетного двигателя.

Принимая во внимание данное выражение, число нейронов в скрытом слое определим по формуле [6] mn L L <...> Таким образом, число связей сети Lw определяется в диапазоне 2055  wL , число L скрытых нейронов сети <...> скрытого слоя должно быть не более двух [8]. <...> k-го выхода нейронной сети; n – число нейронов в выходном слое; ij – вес связи, соединяющий нейрон <...> i с нейроном j.

20

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 <...> сети (нС). нейронные сети в сравнении с другими применяемыми про­ цессами распознавания имеют преимущества <...> , на который подаются значения переменных – вектор параметров пе­ тель; – единственный скрытый слой, <...> для которого в процессе исследования следует подобрать опти­ мальное количество скрытых нейронов с RBF <...> Выходное значение нейронной сети соответ­ ствует шифру определённого КТЭ. распознанные КТЭ по определённым

21

Распараллеливание нейросетевого алгоритма решения краевых задач математической физики на многоядерных процессорах NVIDIA [Электронный ресурс] / Горбаченко, Матвеева, Гурин // Известия высших учебных заведений. Поволжский регион. Технические науки .— 2011 .— №4 .— С. 57-65 .— Режим доступа: https://rucont.ru/efd/269591

Автор: Горбаченко
М.: ПРОМЕДИА

Рассматривается возможность эффективной реализации нейросетевого алгоритма решения краевых задач математической физики на многоядерном графическом процессоре NVIDIA GeForce 8800 GTX. Предлагаются методы распараллеливания основных вычислений алгоритма обучения радиально-базисной нейронной сети (RBFNN), решающей уравнение Пуассона, с использованием технологии CUDA. Проводится сравнение времени обучения RBFNN на центральном и массивно-параллельном графическом процессорах.

RBFNN отличаются простотой, так как содержат только один скрытый слой, поэтому исключается неформализуемый <...> ширина k -го нейрона; kc – центр k -го нейрона. <...> с k -м нейроном первого слоя; m – число нейронов первого слоя. 2. <...> функции решения:     1 m k k k k u x w r    , (5) где m – число радиально-базисных функций (скрытых <...> нейрона k .

22

Параметрическая идентификация класса нечетких систем с помощью устойчивого рекуррентного алгоритма [Электронный ресурс] / Березин, Пащенко // Прикладная информатика / Journal of Applied Informatics .— 2011 .— №6 .— С. 111-116 .— Режим доступа: https://rucont.ru/efd/453316

Автор: Березин

В статье предложен рекуррентный релаксационный алгоритм для идентификации параметров последователей правил нейронечеткой модели Такаджи-Суджено. Приводится аналитическое доказательство устойчивости данного алгоритма на основе метода анализа устойчивости «входа к состоянию»

П ащ ен ко Введение Нечеткая логика и нейронные сети являются универсальными аппрок-симаторами, т. к. <...> любую нелинейную функцию с любой заданной точностью при условии, что известно достаточное количество скрытых <...> нейронов и нечетких правил. <...> их с ис те м с п ом ощ ью у ст ой чи во го р ек ур ре нт но го а лг ор ит м а Первый слой состоит из нейронов <...> Параметры нечеткой нейронной сети не будут в точности сходиться к их оптимальным величинам.

23

АНАЛИЗ ЭФФЕКТИВНОСТИ НЕЙРОСЕТЕВЫХ АЛГОРИТМОВ В ЗАДАЧЕ ДИКТОРОНЕЗАВИСИМОГО РАСПОЗНАВАНИЯ РЕЧЕВЫХ КОМАНД [Электронный ресурс] / Сагациян, Тупицин // Информационные системы и технологии .— 2015 .— №3 .— С. 19-26 .— Режим доступа: https://rucont.ru/efd/486525

Автор: Сагациян

Рассмотрена проблема дикторонезависимого распознавания речевых команд русской речи. Предложено решение данной проблемы с помощью различных нейронных сетей. На основе нескольких эффективных в данной области нейронных сетей построены модели коллективных нейросетевых алгоритмов дикторонезависимого распознавания речевых команд русской речи. На материале собственного речевого корпуса экспериментально показано преимущество коллективного нейросетевого распознавания многослойных персептронов на основе алгоритма масштабируемых сопряженных градиентов обучения нейронной сети

Среди классов генеративных алгоритмов распознавания наиболее популярными являются скрытые Марковские <...> необходимости в строгих предположениях о распределении входных признаков (что необходимо, например, в скрытых <...> два скрытых и один выходной. <...> Данная сеть характеризуется частичной рекуррентностью в форме обратной связи между скрытым и входным <...> Каждый скрытый нейрон имеет свой аналог в контекстном слое, образующим совместно с внешними входами сети

24

Идентификация образцов воды источников и рек г. Харьков: сравнение методов многомерного анализа данных [Электронный ресурс] / Пушкарева [и др.] // Вестник Московского университета. Серия 2. Химия .— 2012 .— №6 .— С. 47-54 .— Режим доступа: https://rucont.ru/efd/346328

Автор: Пушкарева

Рассмотрено применение искусственных нейронных сетей для установления происхождения образцов вод из разных источников и рек г. Харьков по данным о содержании ионов металлов. На примере образцов речных вод показана возможность верной идентификации образцов даже при наличии пропусков в исходных данных. Изложены рекомендации по выбору оптимального числа нейронов для синтеза нейросетей.

скрытого слоя равно числу образцов в обучающей выборке. <...> Для реализованных нейронных сетей определены оптимальное число нейронов скрытого слоя (число нейронов <...> классифицированных образцов вод от числа нейронов скрытого слоя для динамической нейронной сети. <...> вод Функции активации для скрытого / выходного слоев Р, % для образцов речных / родниковых вод Каскадная <...> скрытого слоя находится в интервале, определяемом по формуле где ntraning – число образцов в обучающей

25

№6 [Прикладная информатика / Journal of Applied Informatics, 2011]

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.

сети, состоящей из трех слоев: входного (n нейронов), скрытого (m нейронов) и выходного (p нейронов) <...> слоя, B (1) — веса пороговых нейронов скрытого слоя, B (2) — веса пороговых нейронов выходного слоя. <...> сети с переменным количеством нейронов в скрытом слое — от 6 до 24 с шагом в 3 нейрона. <...> а для нейронной сети со скрытым слоем из 24 нейронов — 110 раз. <...> скрытыми нейронами данной работы, равнялся 6,9.

Предпросмотр: Прикладная информатика Journal of Applied Informatics №6 2011.pdf (0,2 Мб)
26

НЕЙРОНЕЧЕТКИЙ АДАПТИВНЫЙ МАРШРУТИЗАТОР ПОТОКОВ ЦИФРОВОЙ ИНФОРМАЦИИ [Электронный ресурс] / Лавренков, Комарцова // Прикладная информатика / Journal of Applied Informatics .— 2013 .— №6 .— С. 59-79 .— Режим доступа: https://rucont.ru/efd/436982

Автор: Лавренков

В статье рассмотрен комбинированный алгоритм выбора параметров радиально-базисной нейронной сети на основе нечеткого иммунного алгоритма оптимизации. Эволюционное построение антител и использование нечеткой адаптивно-резонансной нейронной сети позволяет адаптировать алгоритм обучения нейроконтроллера под решение оптимизационной задачи. Описана возможность использования такого рода нейронных сетей для построения адаптивного маршрутизатора информации в сети связи и обеспечения защищенности его структуры от целенаправленного разрушения.

функций и определении оптимального количества базисных функций, каждой из которых соответствует один скрытый <...> нейрон. <...> в скрытом слое радиально-базисной сети, оптимизировать параметры базисной функции: центр и ее форму <...> в скрытом слое сети РБФ. <...> Под параметрами радиально-базисных функций подразумеваются центры узлов и параметры ширины функций скрытого

27

КРИМИНАЛИСТИЧЕСКИЕ ИССЛЕДОВАНИЯ: РОССИЙСКИЙ ОПЫТ [Электронный ресурс] / А.С. Подшибякин, Холодный // Социально-политические науки .— 2017 .— №1 .— С. 136-140 .— Режим доступа: https://rucont.ru/efd/597243

Автор: Подшибякин Александр Сергеевич

Обратить внимание на изучение следов, оставшихся памяти человека от совершенных им ранее преступлений, впервые предложил А.Р. Лурия (1920-е годы). В статье коротко изложены теоретические основы технологии криминалистических исследований с применением полиграфа, которые направлены на поиск следов событий прошлого, запечатленных в памяти человека. Понимание теоретических основ открыло путь применению полиграфа в форме судебной психофизиологической экспертизы, результаты которой могут быть представлены в суд в качестве доказательств. Правовые нормы, введенные в России в последние годы, создали условия для расширения применения полиграфа в следственной практике. В целях обеспечения работы специалистов Следственного комитета России, была создана «Типовая методика производства судебной психофизиологической экспертизы с применением полиграфа»

человека следов событий прошлого и, как следствие, выявления у него информации, которую он стремится скрыть <...> человека оказывается след личностно значимого для него события, причастность к которому он стремится скрыть <...> , нейронная активность соответствующих структур мозга возрастает, и извне это можно наблюдать в виде

28

Мягкие вычисления при оценке кредитоспособности [Электронный ресурс] / М.Л. Кричевский // Управление риском .— 2014 .— №1 .— С. 42-52 .— Режим доступа: https://rucont.ru/efd/611729

Автор: Кричевский Михаил Лейзерович

Рассмотрены возможности применения мягких вычислений для оценки кредитоспособности предприятий. Приведены примеры таких оценок, выполненных на основе нечеткой логики и нейронных сетей

Приведены примеры таких оценок, выполненных на основе нечеткой логики и нейронных сетей. <...> Нейронные сети и нечеткая логика являются средствами моделирования. <...> Выбор архитектуры нейронной сети. <...> Чем больше число скрытых нейронов, тем больше требуется итераций на стадии обучения сети. <...> Нейронные сети: полный курс. М.: ИД «Вильямс», 2006. 1104 с. 5. Bojadziev G., Bojadziev M.

29

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

Персептрон имел один скрытый слой с тремя сигмоидными нейронами. <...> 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 <...> количество степеней свободы (скрытых нейронов), на примерах, являющихся выбросами, показывают наибольшую

30

ПРОГНОЗИРОВАНИЕ НАКОПЛЕНИЯ ДОЛГОЖИВУЩИХ РАДИОНУКЛИДОВ В СЕЛЬСКОХОЗЯЙСТВЕННЫХ РАСТЕНИЯХ: СТАТИСТИЧЕСКИЕ МЕТОДЫ И МОДЕЛИ АВТОРЕФЕРАТ ДИС. ... КАНДИДАТА БИОЛОГИЧЕСКИХ НАУК

Автор: МОШАРОВ ОЛЕГ ВЛАДИМИРОВИЧ
ВСЕРОССИЙСКИЙ НАУЧНО-ИССЛЕДОВАТЕЛЬСКИЙ ИНСТИТУТ СЕЛЬСКОХОЗЯЙСТВЕННОЙ РАДИОЛОГИИ И АГРОЭКОЛОГИИ

Цель исследования. Целью диссертационной работы являлось прогнозирование накопления долгоживущих радионуклидов 137Cs и 90Sr в растениях на основе современных статистических методов и моделей. Задачи исследования. Для достижения поставленной цели были решены следующие задачи: 1. разработка и заполнение базы данных, включающей информацию о характеристиках почв и содержании долгоживущих радионуклидов ( Cs и Sr) в почве и сельскохозяйственной растительности; 2. проведение факторного анализа по выявлению совокупности связей между почвенными характеристиками и коэффициентами перехода долгоживущих радионуклидов в растительность с выделением различных по значимости факторов;

выходные сигналы других нейронов нейронной сети) посредством нескольких входных каналов. <...> Кроме этого, в сети функционируют промежуточные (скрытые) нейроны, выполняющие внутренние функции. <...> Входные, скрытые и выходные нейроны связаны между собой, формируя структуру сети. <...> Схема трехслойного персептрона, включающая совокупность входных переменных, "скрытых" параметров и выходного <...> ; 1 — входные переменные; 2 — «скрытые» параметры; 3 — выходной параметр Copyright ОАО «ЦКБ «БИБКОМ»

Предпросмотр: ПРОГНОЗИРОВАНИЕ НАКОПЛЕНИЯ ДОЛГОЖИВУЩИХ РАДИОНУКЛИДОВ В СЕЛЬСКОХОЗЯЙСТВЕННЫХ РАСТЕНИЯХ СТАТИСТИЧЕСКИЕ МЕТОДЫ И МОДЕЛИ.pdf (0,0 Мб)
31

№2 [Контроль. Диагностика, 2016]

Выходит с 1998 года. Журнал публикует научные и методические статьи ведущих ученых России, стран ближнего и дальнего зарубежья, представителей промышленности о методах, приборах и технологиях неразрушающего контроля и технической диагностики, их внедрении, развитии и применении. Издатель выкладывает номера с задержкой в 1 год!

сеть (АНС); тип сети – многомерный персептрон; количество скрытых нейронов – от 10 до 30; функция ошибки <...> – сумма квадратов; функции активации скрытых и выходных нейронов – логистическая, гиперболическая. <...> нейронов. <...> нейронов …. <...> Функция активации как для скрытого слоя нейронов, так и для выходных нейронов логистическая.

Предпросмотр: Контроль. Диагностика №2 2016.pdf (0,2 Мб)
32

Популярное введение в современный анализ данных в системе STATISTICA: методология и технология современного анализа данных учеб. пособие

Автор: Боровиков В. П.
М.: Горячая линия – Телеком

Книга открывает широкому кругу читателей современный анализ данных в программе STATISTICA. STATISTICA (производитель StatSoft, USA) занимает лидирующее положение среди программ анализа данных и имеет сотни тысяч зарегистрированных пользователей в России и мире. На простых, ясных примерах популярно описаны современные методы анализа данных – визуальный анализ и графическое представление данных, описательные статистики, методы классификации и прогнозирования. Классические методы дополнены самым современным инструментарием, включая нейронные сети и DataMining. Читатель знакомится с методами и компьютерными технологиями анализа данных и учится применять их на практике, основной лейтмотив книги – теория неотделима от практики.

Но, кроме этого, в сети может быть еще много промежуточных (скрытых) нейронов, выполняющих внутренние <...> Входные, скрытые и выходные нейроны связаны между собой. <...> Каждый из скрытых и выходных нейронов соединен со всеми элементами предыдущего слоя. <...> В этой вкладке можно выбрать различные функции активации для скрытых и выходных нейронов многослойных <...> Результаты всех лучших построенных сетей довольно близки и мало зависит от числа скрытых нейронов: существенным

Предпросмотр: Популярное введение в современный анализ данных в системе STATISTICA методология и технология современного анализа данных.pdf (0,5 Мб)
Предпросмотр: Популярное введение в современный анализ данных в системе STATISTICA методология и технология современного анализа данных (1).pdf (0,7 Мб)
33

Программное обеспечение защиты почтовых сервисов от несанкционированных рассылок на основе контентной фильтрации электронных сообщений монография

ОГУ

В монографии изложены результаты научных исследований соответствующих приоритетному направлению развития науки и техники РФ – информационно-телекоммуникационным технологиям и критическим технологиям федерального уровня – информационно-телекоммуникационным системам.

законом о персональных данных [79] адрес отправителя и получателя, а так же номера телефонов будут скрыты <...> Многослойный персептрон Нейронная сеть данного типа содержит один или несколько скрытых слоев нейронов <...> к помехам во входных образах, так же наличие скрытых нейронов делает процесс обучения более трудным <...> Именно в процессе обучения необходимо определить, какие признаки входного сигнала следует представлять скрытыми <...> слоя F1 связан с каждым нейроном слоя F2 и управляющим нейроном R.

Предпросмотр: Программное обеспечение защиты почтовых сервисов от несанкционированных рассылок на основе контентной фильтрации электронных сообщений.pdf (0,4 Мб)
34

№2 [Нефтегазовые технологии, 2010]

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

Нейроны во входном слое получают входные сигналы и затем передают их на скрытый слой нейронов без каких <...> Выходные нейроны выполняют такие же операции, как и скрытые нейроны. <...> Оптимизированные параметры сети были числом скрытых слоев, нейронов в каждом скрытом слое и типом функции <...> В нейронных сетях обратного распространения, число скрытых нейронов определяет, как хорошо может быть <...> Если число использующихся скрытых нейронов не достаточно, нейронная сеть будет обобщать соотношения,

Предпросмотр: Нефтегазовые технологии №2 2010.pdf (2,0 Мб)
35

№4 [Журнал высшей нервной деятельности им. И.П. Павлова, 2017]

Основан в 1951 г. Публикуются результаты оригинальных теоретических и экспериментальных исследований по физиологии и патофизиологии высшей нервной деятельности, общей физиологии головного мозга и анализаторов, а также работы обзорного и критического характера, отчеты о научных сессиях и конференциях. Особое внимание уделяется статьям, в которых освещаются связи высшей нервной деятельности с философией, психологией, педагогикой, биологией. Журнал является рецензируемым и включен в Перечень ВАК.

Каждая из пяти нейронных сетей состояла из трех слоев нейронов – входного, скрытого и выходного. <...> Четыре первых нейронных сети имели один нейрон в скрытом слое, пятая – 4 нейрона (в соответствие с количеством <...> скрытого слоя с нейроном выходного слоя, yj – выход j-го нейрона скрытого слоя. <...> сети, поскольку все они имели один скрытый нейрон. <...> Ширина нейронов скрытого слоя инициализировалась малыми значениями.

Предпросмотр: Журнал высшей нервной деятельности им. И.П. Павлова №4 2017.pdf (0,2 Мб)
36

№ 3 [Журнал медико-биологических исследований, 2018]

Северный (Арктический) федеральный университет имени М.В. Ломоносова

«Журнал медико-биологических исследований» (до января 2017 г. выходил под заглавием «Вестник САФУ. Серия «Медико-биологические науки»). Выходит 4 раза в год, публикуются основные научные результаты по следующим отраслям наук: 03.03.00 – физиология (физиология, иммунология, клеточная биология, цитология, гистология, нейробиология); 14.00.00 – медицинские науки (профилактическая медицина, медико-биологические науки).

Обучение проводилось с использованием генетической оптимизации для количества нейронов в скрытых слоях <...> , 13 скрытыми нейронами и 1 выходным нейроном. <...> (30 нейронов), скрытого (65 нейронов) и выходного (6 нейронов) слоев. <...> ), скрытый (4 нейрона) и выходной (1 нейрон). <...> Первый слой сети состоял из 13 нейронов, второй (скрытый) – также из 13 нейронов, а выходной слой – из

Предпросмотр: Журнал медико-биологических исследований № 3 2018.pdf (1,5 Мб)
37

№8 [Экономический анализ: теория и практика, 2017]

Главная задача журнала - публикация теоретических и научно-практических статей, соответствующих тематической направленности журнала, создание на страницах журнала и поддержание на высоком научном уровне информационного поля для диалога, дискуссий, выявления новых научных точек зрения, способствующих развитию экономической науки.

Общая схема нейронной сети [21] представлена на рис. 2. <...> Количество скрытых нейронов во всех случаях от трех до десяти. <...> Архитектура Производит. обучения Ошибка обучения Контрольная ошибка Алгоритм обучения Функция активации скрытых <...> Архитектура Производит. обучения Ошибка обучения Контрольная ошибка Алгоритм обучения Функция активации скрытых <...> Архитектура Производит. обучения Ошибка обучения Контрольная ошибка Алгоритм обучения Функция активации скрытых

Предпросмотр: Экономический анализ теория и практика №8 2017.pdf (29,8 Мб)
38

№2 [Прикладная информатика / Journal of Applied Informatics, 2015]

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.

Входной слой Выходной слой Слои скрытых нейронов Рис. 1. <...> В этом случае следует увеличить число скрытых нейронов или добавить новый скрытый слой. <...> В этом случае нужно уменьшать число скрытых слоев или нейронов в них. <...> В ручном режиме можно задать количество скрытых слоев, количество нейронов скрытых слоев и функции активации <...> Например, нейронная сеть с двумя скрытыми слоями по 200 нейронов показала ошибку около 18% на всех выборках

Предпросмотр: Прикладная информатика Journal of Applied Informatics №2 2015.pdf (0,4 Мб)
39

№3 [Известия высших учебных заведений. Поволжский регион. Естественные науки, 2017]

Издание представляет публикацию результатов фундаментальных, перспективных исследований, проводимых учеными Поволжья

Нейронные сети нелинейны по своей природе [4]. <...> Выбирались функции активации для скрытых и выходных нейронов: тождественная, логическая, гиперболическая <...> Все рассматриваемые модели содержат в себе два входных параметра, число скрытых слоев от двух до десяти <...> А коэффициент детерминации изменяется от 0,82 до 0,91 в зависимости от числа скрытых нейронов. <...> Нейронные сети.

Предпросмотр: Известия высших учебных заведений. Поволжский регион. Естественные науки №3 2017.pdf (0,5 Мб)
40

№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. <...> ; mH — выходы из скрытых нейронов. 5. <...> Затем сравниваются выходные сигналы нейронов скрытого слоя и входные сигналы нейронов выходного слоя. <...> нейронами с номерами l и m; lI — выходы из входных нейронов; θm — пороги нейронов скрытых слоёв сети <...> ) — 20 (скрытых нейронов) — 1 (выходной нейрон).

Предпросмотр: Вестник Донского государственного технического университета №2 2014.pdf (0,9 Мб)
41

№1 [Вестник Томского государственного университета. Управление, вычислительная техника и информатика, 2009]

Научный журнал был выделен в самостоятельное периодическое издание из общенаучного журнала «Вестник Томского государственного университета» в 2007 г. В журнале публикуются результаты теоретических и прикладных исследований вузов, научно-исследовательских, проектных и производственных организаций в области управления, вычислительной техники и информатики в технических, экономических и социальных системах. Входит в Перечень ВАК.

Нейронная сеть – это система, состоящая из многих простых вычислительных элементов (нейронов), определённым <...> информация от других нейронов сети, т.е. выходы нейронов соединяются с входами других нейронов, так <...> параметром является среднее допустимое отклонение начальных весовых коэффициентов σ, а для CFNN – количество скрытых <...> табл. 1 и 2, где σ – среднее допустимое отклонение начальных весовых коэффициентов, n1 – количество скрытых <...> Нейроны и нейронные сети. М.: Энергия, 1971. 230 с.

Предпросмотр: Вестник Томского государственного университета. Управление, вычислительная техника и информатика №1 2009.pdf (0,7 Мб)
42

№6(66) [Прикладная информатика / Journal of Applied Informatics, 2016]

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.

осуществлялось путем создания минимальной сети, включаю‑ щей входной и выходной слои, в которой от‑ сутствуют скрытые <...> нейроны. <...> Преимущество применения данного класса сетей — отсутствие необходимости точного формирования количества скрытых <...> нейронов. <...> данных особое внимание требуется уделять выделению латентных факторов, дей‑ ствие которых на систему скрыто

Предпросмотр: Прикладная информатика Journal of Applied Informatics №6(66) 2016.pdf (0,7 Мб)
43

№6 [Вестник Московского университета. Серия 2. Химия, 2012]

В журнале публикуются статьи как сотрудников университета, так и авторов из других организаций России и всего мира. Тематика публикаций охватывает все отрасли химии.

Искусственная нейронная сеть – это набор нейронов, соединенных между собой. <...> скрытого слоя равно числу образцов в обучающей выборке. <...> Для реализованных нейронных сетей определены оптимальное число нейронов скрытого слоя (число нейронов <...> классифицированных образцов вод от числа нейронов скрытого слоя для динамической нейронной сети. <...> нейронов.

Предпросмотр: Вестник Московского университета. Серия 2. Химия №6 2012.pdf (1,1 Мб)
44

№1 [Вопросы атомной науки и техники. Серия: Математическое моделирование физических процессов. , 2018]

Издается с 1978г. В данной серии публикуются оригинальные работы, обзоры и краткие сообщения по следующим научным направлениям: математическое моделирование физических процессов и свойств веществ, численные и аналитические методы решения прикладных задач математической физики и механики сплошной среды; вычислительная математика и применение математических методов и электронно-вычислительной техники в научных исследованиях; вопросы программирования; вопросы структуры алгоритмов и программ для современных ЭВМ; вопросы создания вычислительных комплексов и сетей ЭВМ. Главный редактор - д-р ф.-м. наук Р.М.Шагалиев

Вып. 1 УДК 621.039.56:004.896 ПРИМЕНЕНИЕ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ОПЕРАТИВНОГО ПРОГНОЗИРОВАНИЯ ПАРАМЕТРОВ <...> Нейронная сеть сформирована, обучена и апробирована на фактических данных. <...> Отличительной особенностью структуры выбранной сети является отсутствие обратных связей и наличие второго скрытого <...> слоя радиальносимметричных скрытых нейронов. <...> Нейронные сети: полный курс, 2-е изд. М.: "Вильямс", 2006. Статья поступила в редакцию 26.05.17.

Предпросмотр: Вопросы атомной науки и техники. Серия Математическое моделирование физических процессов. №1 2018.pdf (0,1 Мб)
45

Основы искусственного интеллекта учеб. пособие

Автор: Боровская Е. В.
М.: Лаборатория знаний

Учебное пособие знакомит читателей с историей искусственного интеллекта, моделями представления знаний, экспертными системами и нейронными сетями. Описаны основные направления и методы, применяемые при анализе, разработке и реализации интеллектуальных систем. Рассмотрены модели представления знаний и методы работы с ними, методы разработки и создания экспертных систем. Книга поможет читателю овладеть навыками логического проектирования баз данных предметной области и программирования на языке ProLog.

В объектно-ориентированном программировании определяют три основных свойства: � инкапсуляция — скрытие <...> Кроме того, в нейросети может присутствовать ряд промежуточных (скрытых) нейронов, выполняющих какие-либо <...> При этом входные, скрытые и выходные нейроны должны быть связаны между собой. <...> Простейшая сеть имеет структуру с прямой передачей сигнала: сигналы проходят от входов через скрытые <...> » зованы в слои, при этом входной слой служит для ввода значений входных переменных, а каждый из скрытых

Предпросмотр: Основы искусственного интеллекта  учебное пособие.— 3-е изд. (эл.).pdf (0,2 Мб)
46

Вестник Липецкого государственного технического университета (Вестник ЛГТУ ). № 1 (31). 2017 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».

и там выбрать «Нейронные сети». <...> нейронов. <...> друга архитектурой (количеством нейронов на скрытом слое, функциями активации) и количество сетей, которое <...> на скрытом слое. <...> полученные нейронные сети.

Предпросмотр: ВЕСТНИК Липецкого государственного технического университета (Вестник ЛГТУ ) № 1 (31) 2017.pdf (0,7 Мб)
47

Вестник Липецкого государственного технического университета (Вестник ЛГТУ). № 4 (34). 2017 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».

Например, различают четкие и нечеткие нейронные сети, объединяющие нейронные сети и нечеткую логику. <...> Количество скрытых нейронов – 8. На рис. 2 приведена промежуточная итерация обучения сети. Рис. 2. <...> Регрессионная прямая ОБУЧЕНИЕ НЕЧЕТКОЙ НЕЙРОННОЙ СЕТИ Для обучения нечеткой нейронной сети посчитаем <...> По его мнению «…на рынке только благодаря конкуренции скрытое становится явным, и большая часть достигнутых <...> Важен и психологический момент: во время занятия тело скрыто под водой и девушка не комплексует по поводу

Предпросмотр: ВЕСТНИК Липецкого государственного технического университета (Вестник ЛГТУ ) № 4 (34) 2017.pdf (1,3 Мб)
48

№3 [Известия высших учебных заведений. Электроника, 2016]

На страницах журнала освещаются результаты научно-исследовательских работ, выполненных в вузах и НИИ, методические аспекты преподавания с учетом современных требований и форм обучения, дается информация о научных конференциях. Формируются специальные выпуски по тематическому признаку.

Принимая во внимание данное выражение, число нейронов в скрытом слое определим по формуле [6] mn L L <...> Таким образом, число связей сети Lw определяется в диапазоне 2055  wL , число L скрытых нейронов сети <...> скрытого слоя должно быть не более двух [8]. <...> k-го выхода нейронной сети; n – число нейронов в выходном слое; ij – вес связи, соединяющий нейрон <...> i с нейроном j.

Предпросмотр: Известия высших учебных заведений. Электроника №3 2016.pdf (1,0 Мб)
49

№1 [Информационно-управляющие системы, 2008]

Журнал предназначен для руководителей и ведущих специалистов научно-исследовательских и опытно-конструкторских организаций и предприятий отраслей промышленности, выпускающих продукцию и предоставляющих услуги в области телекоммуникаций, защиты и обработки информации, систем управления, встраиваемых информационно-управляющих систем различного назначений. Также журнал может быть полезен научным сотрудникам, докторантам, аспирантам и студентам информационных и вычислительных специальностей вузов. Тематические разделы: обработка информации и управление, моделирование систем и процессов, программные и аппаратные средства, защита информации, кодирование и передача информации, информационные каналы и среды, информационно-измерительные системы, системный анализ, стохастическая динамика и хаос, управление в социально-экономических системах, управление в медицине и биологии, информационные технологии и образование, краткие научные сообщения, рецензии (на книги, журналы, статьи, диссертации), хроника и информация (о семинарах, конференциях, выставках, юбилеях, а также очерки по истории науки и техники).

Это полезное качество для распознавания радиолокационных образов, скрытых помехами. <...> Поэтому подбираться мо� жет только количество скрытых слоев и число ней� ронов в каждом слое. <...> Однако такой подход не позволяет сравнивать ак� тивность различных нейронов и приводит к ситу� ации, <...> В противном случае, а также если уровни ак� тивации всех нейронов не превышают определен� ного порога <...> В ходе мно� гочисленных экспериментов количество скрытых нейронов выбрано равным 8.

Предпросмотр: Информационно-управляющие системы №1 2008.pdf (1,3 Мб)
50

№1 [Управление риском, 2014]

В журнале освещаются теоретические и практические результаты научных исследований в области управления рисками по следующим вопросам:общая теория рисков; оценка риска;страхование в системе управления рисками;управление рисками и экономическая безопасность; риск-менеджер;теоретико-методологические проблемы социологии риска; управление рисками социокультурного развития России; мировое общество риска; социально-политические и экономические уязвимости.

Приведены примеры таких оценок, выполненных на основе нечеткой логики и нейронных сетей. <...> Нейронные сети и нечеткая логика являются средствами моделирования. <...> Выбор архитектуры нейронной сети. <...> Чем больше число скрытых нейронов, тем больше требуется итераций на стадии обучения сети. <...> Нейронные сети: полный курс. М.: ИД «Вильямс», 2006. 1104 с. 5. Bojadziev G., Bojadziev M.

Предпросмотр: Управление риском №1 2014.pdf (0,1 Мб)
Страницы: 1 2 3 ... 1375