Self-organization of Neural Networks with Active Neurons.
English
Инcтитут Кибернетики им. Глушкова, Киев, Украина
Высшая школа Техники и Экономики, Дрезден, Германия
Ивахненко А. Г. Ивахненко Г. А. и Мюллер Дж. -Ей.
Опубликованный шаблон распознавания и анализа образов v.4, no.2, 185-196c.
Доклад. Описывающий нейронные сети намеревающиеся управлять задачами и процессами идентификации и прогнозирования. Их ключевой чертой есть ансамбль элементов специфицированных как персептрон или персептрон GMDH алгоритм. Сложный нейронный ансамбль может быть назван активными нейронами в отличии от простых двоичных нейронов. В течении обучения или самоорганизации, активные нейроны выбирают собственные стимулы согласно специфицированным критериям и определения весовых коэффициентов соединения нейронной сети. Этим путем они организуют структуру чистой нейронной сети.
В докладе приведена детальная схема нейронной сети, основные алгоритмы самоорганизации, модель расчета весовых коэффициентов и расчеты эффективности обучения нейронной сети.
Инcтитут Кибернетики им. Глушкова, Киев, Украина
Высшая школа Техники и Экономики, Дрезден, Германия
Ивахненко А. Г. Ивахненко Г. А. и Мюллер Дж. -Ей.
Опубликованный шаблон распознавания и анализа образов v.4, no.2, 185-196c.
Доклад. Описывающий нейронные сети намеревающиеся управлять задачами и процессами идентификации и прогнозирования. Их ключевой чертой есть ансамбль элементов специфицированных как персептрон или персептрон GMDH алгоритм. Сложный нейронный ансамбль может быть назван активными нейронами в отличии от простых двоичных нейронов. В течении обучения или самоорганизации, активные нейроны выбирают собственные стимулы согласно специфицированным критериям и определения весовых коэффициентов соединения нейронной сети. Этим путем они организуют структуру чистой нейронной сети.
В докладе приведена детальная схема нейронной сети, основные алгоритмы самоорганизации, модель расчета весовых коэффициентов и расчеты эффективности обучения нейронной сети.