Простий
пошук
Розширений
пошук
Покажчики
Професійний
пошук
Рубрикатор
НБУВ
Розподілений
пошук

Бази даних

Наукова періодика України - результати пошуку

Книжкові видання та компакт-диски
Журнали та продовжувані видання
Автореферати дисертацій
Реферативна база даних
Наукова періодика України
Тематичний навігатор
Авторитетний файл імен осіб
Mozilla Firefox Для швидкої роботи та реалізації всіх функціональних можливостей пошукової системи використовуйте браузер
"Mozilla Firefox"
Вид пошуку
у знайденому
Повнотекстовий пошук
 Знайдено в інших БД:Книжкові видання та компакт-диски (5)Журнали та продовжувані видання (2)Реферативна база даних (73)
Список видань за алфавітом назв:
A  B  C  D  E  F  G  H  I  J  L  M  N  O  P  R  S  T  U  V  W  
А  Б  В  Г  Ґ  Д  Е  Є  Ж  З  И  І  К  Л  М  Н  О  П  Р  С  Т  У  Ф  Х  Ц  Ч  Ш  Щ  Э  Ю  Я  

Авторський покажчик    Покажчик назв публікацій


Пошуковий запит: (<.>A=Бодянский Е$<.>)
Загальна кількість знайдених документів : 37
Представлено документи з 1 до 20
...
1.

Бодянский Е. В. 
Методы вычислительного интеллекта для анализа данных [Електронний ресурс] / Е. В. Бодянский // Радіоелектронні і комп’ютерні системи. - 2007. - № 5. - С. 66–76. - Режим доступу: http://nbuv.gov.ua/UJRN/recs_2007_5_11
Рассмотрены методы нечеткой (фаззи) кластеризации данных в условиях перекрывающихся классов на основании вероятностного и возможностного подходов. Предложены адаптивные алгоритмы, реализующие эти подходы и позволяющие обрабатывать данные по мере их поступления в реальном времени. Введены робастные процедуры кластеризации, основанные на целевых функциях, устойчивых к аномальным выбросам.
Попередній перегляд:   Завантажити - 337.168 Kb    Зміст випуску    Реферативна БД     Цитування
2.

Бодянский Е. В. 
Адаптивное обучение всех параметров эволюционирующей радиально-базисной нейронной сети [Електронний ресурс] / Е. В. Бодянский, А. А. Дейнеко, М. З. Стольникова // Системи обробки інформації. - 2013. - Вип. 5. - С. 13-16. - Режим доступу: http://nbuv.gov.ua/UJRN/soi_2013_5_5
Предложены архитектура и метод обучения искусственной эволюционной радиально-базисной нейронной сети, которая настраивает не только свои веса, но и автоматически определяет количество нейронов, расположение центров радиально-базисных функций и параметров рецепторного поля в on-line режиме с высокой скоростью поступления и обработки данных.
Попередній перегляд:   Завантажити - 428.324 Kb    Зміст випуску    Реферативна БД     Цитування
3.

Бодянский Е. В. 
Искусственная нейронная сеть для нелинейной декомпозиции функций [Електронний ресурс] / Е. В. Бодянский, С. В. Попов // Доповiдi Національної академії наук України. - 2009. - № 9. - С. 42-47. - Режим доступу: http://nbuv.gov.ua/UJRN/dnanu_2009_9_9
Запропоновано нову архітектуру штучної нейронної мережі для розв'язання задачі нелінійної декомпозиції функцій. Використано спадний підхід, що не потребує апріорної інформації про властивості аналізовної функції. Можливості запропонованого методу продемонстровано на синтетичних тестових функціях і підтверджено розв'язанням реальної задачі.
Попередній перегляд:   Завантажити - 190.641 Kb    Зміст випуску    Реферативна БД     Цитування
4.

Плиско Д. А. 
Прогнозирование нестационарных временных рядов на основе модифицированного адаптивного нео-фаззи-предиктора [Електронний ресурс] / Д. А. Плиско, В. В. Волкова, Е. В. Бодянский // Збірник наукових праць Харківського університету Повітряних сил. - 2011. - Вип. 2. - С. 111-114. - Режим доступу: http://nbuv.gov.ua/UJRN/ZKhUPS_2011_2_27
Рассмотрена задача адаптивного прогнозирования многомерных нелинейных временных рядов, характеристики которых могут резко меняться во времени непредсказуемым образом, на основе многомерных нео-фаззи-нейронов и алгоритм обучения, сочетающий в себе высокое быстродействие и фильтрующие свойства. Предлагаемый нео-фаззи-предиктор предназначен для решения задачи краткосрочного прогнозирования в условиях короткой обучающей выборки.
Попередній перегляд:   Завантажити - 305.616 Kb    Зміст випуску    Реферативна БД     Цитування
5.

Бодянский Е. В. 
Нечеткая кластеризация данных в порядковой шкале на основе совместного использования функций принадлежности и правдоподобия [Електронний ресурс] / Е. В. Бодянский, В. А. Самитова // Збірник наукових праць Харківського університету Повітряних сил. - 2010. - Вип. 3. - С. 91-95. - Режим доступу: http://nbuv.gov.ua/UJRN/ZKhUPS_2010_3_23
Рассмотрена задача кластеризации данных, заданных в порядковой шкале, в условиях перекрывающихся кластеров. Для классификации предложено использовать подход, основанный на совместном применении функций принадлежности и правдоподобия.
Попередній перегляд:   Завантажити - 560.282 Kb    Зміст випуску    Реферативна БД     Цитування
6.

Бодянский Е. В. 
Нейронная сеть Т. [Електронний ресурс] / Е. В. Бодянский, В. В. Волкова, Е. В. Махиборода // Збірник наукових праць Харківського університету Повітряних сил. - 2009. - Вип. 2. - С. 74-77. - Режим доступу: http://nbuv.gov.ua/UJRN/ZKhUPS_2009_2_20
Попередній перегляд:   Завантажити - 283.847 Kb    Зміст випуску     Цитування
7.

Бодянский Е. В. 
Радиально-базисная нейронная сеть с полиномиальными функциями активации [Електронний ресурс] / Е. В. Бодянский, А. П. Чапланов, Е. Б. Чапланова // Системи обробки інформації. - 2007. - Вип. 3. - С. 12-15. - Режим доступу: http://nbuv.gov.ua/UJRN/soi_2007_3_5
Рассмотрен синтез алгоритма обучения радиально-базисной нейронной сети с полиномиальными функциями активации 4-й степени для задачи прогнозирования временных рядов.
Попередній перегляд:   Завантажити - 490.326 Kb    Зміст випуску    Реферативна БД     Цитування
8.

Бодянский Е. В. Тищенко А. K. 
Адаптивный нео-фаззи-предиктор многомерных нестационарных временных рядов [Електронний ресурс] / Е. В. Тищенко А. K. Бодянский // Системи обробки інформації. - 2012. - Вип. 3(2). - С. 8-12. - Режим доступу: http://nbuv.gov.ua/UJRN/soi_2012_2_3_4
Решена задача адаптивного прогнозирования многомерных нелинейных временных рядов, характеристики которых могут резко изменяться во времени непредсказуемым образом. Введены нейросетевая архитектура, узлами которой являются нео-фаззи-нейроны, и алгоритм обучения, сочетающий в себе высокое быстродействие и фильтрующие свойства. Предлагаемый нео-фаззи-предиктор предназначен для решения задачи краткосрочного прогнозирования в реальном времени в условиях короткой обучающей выборки.
Попередній перегляд:   Завантажити - 1.079 Mb    Зміст випуску    Реферативна БД     Цитування
9.

Бодянский Е. В. 
Нечеткая кластеризация данных, заданных в порядковой шкале [Електронний ресурс] / Е. В. Бодянский, В. А. Опанасенко, А. Н. Слипченко // Системи обробки інформації. - 2007. - Вип. 4. - С. 5-9. - Режим доступу: http://nbuv.gov.ua/UJRN/soi_2007_4_4
Предложен алгоритм нечеткой кластеризации многомерных наблюдений, компонентами которых являются лингвистические упорядоченные переменные, заданные своими рангами.
Попередній перегляд:   Завантажити - 508.981 Kb    Зміст випуску    Реферативна БД     Цитування
10.

Бодянский Е. В. 
Ортосинапс, ортонейроны и нейропредиктор на их основе [Електронний ресурс] / Е. В. Бодянский, Е. А. Викторов, А. Н. Слипченко // Системи обробки інформації. - 2007. - Вип. 4. - С. 139-143. - Режим доступу: http://nbuv.gov.ua/UJRN/soi_2007_4_39
Введена специализированная конструкция нелинейного синапса с активационными функциями в виде ортогональных полиномов и на его основе архитектуры ортонейрона и двойного ортонейрона. Предложены алгоритмы обучения на основе процедур оптимизации первого и второго порядков. Рассмотрена и решена задача прогнозирования с помощью развиваемого подхода.
Попередній перегляд:   Завантажити - 368.496 Kb    Зміст випуску    Реферативна БД     Цитування
11.

Бодянский Е. В. 
Гетерогенная спайк-нейронная сеть с латеральными связями в задаче кластеризации [Електронний ресурс] / Е. В. Бодянский, А. И. Долотов // Системи обробки інформації. - 2007. - Вип. 8. - С. 10-15. - Режим доступу: http://nbuv.gov.ua/UJRN/soi_2007_8_5
Рассмотрена модель спайк-нейрона, предложена архитектура гетерогенной спайк-нейронной сети для решения задачи кластеризации. В качестве алгоритма обучения выбрано модифицированное правило Хэбба. Для преобразования входного сигнала в кортежи спайков использованы рецепторные поля. Показана эффективность решения задачи кластеризации на основе сети спайк-нейронов.
Попередній перегляд:   Завантажити - 1.055 Mb    Зміст випуску    Реферативна БД     Цитування
12.

Бодянский Е. В. 
Непозиционное кодирование в задачах нейросетевого прогнозирования временных рядов [Електронний ресурс] / Е. В. Бодянский, О. С. Удовенко // Системи обробки інформації. - 2008. - Вип. 7. - С. 28-32. - Режим доступу: http://nbuv.gov.ua/UJRN/soi_2008_7_9
Рассмотрен подход к реализации модульных вычислений для задач нейросетевого прогнозирования, позволяющий получить ряд существенных преимуществ, связанных с повышением надежности работы систем на основании применения параллельной структуры нейронных сетей. Показано, что непозиционная система остаточных классов обладает способностью самокоррекции, обнаружения и исправления ошибок. Кроме того, она позволяет сократить разрядность обрабатываемых данных, представляя их в модулярном коде в виде совокупности взаимно простых модулей. В связи с этим становится возможным упростить структуру нейронной сети, используемой для прогнозирования, и избежать проблем, связанных с масштабированием входных данных.
Попередній перегляд:   Завантажити - 317.071 Kb    Зміст випуску    Реферативна БД     Цитування
13.

Бабенко А. В. 
Прогнозирующе-диагностирующая рекуррентная нейро-фаззи сеть в задаче контроля потребления электроэнергии [Електронний ресурс] / А. В. Бабенко, Е. В. Бодянский, С. В. Попов, Е. В. Слипченко // Системи обробки інформації. - 2009. - Вип. 3. - С. 2-5. - Режим доступу: http://nbuv.gov.ua/UJRN/soi_2009_3_3
Рассмотрена специализированная прогнозирующе-диагностирующая нейро-фаззи сеть, являющаяся обобщением многослойного персептрона, рекуррентной сети Вильямса-Зипсера и прогнозирующей многослойной нейро-фаззи сети, а также соответствующий алгоритм обучения и диагностики. Такой гибридный подход позволяет одновременно решать задачи краткосрочного прогнозирования и контроля потребления электрической энергии.
Попередній перегляд:   Завантажити - 370.223 Kb    Зміст випуску    Реферативна БД     Цитування
14.

Бодянский Е. В. 
Адаптивный фильтр-предиктор многомерных существенно нестационарных временных рядов [Електронний ресурс] / Е. В. Бодянский, О. А. Романюк, О. С. Удовенко // Системи обробки інформації. - 2009. - Вип. 4. - С. 23-28. - Режим доступу: http://nbuv.gov.ua/UJRN/soi_2009_4_8
Решена задача адаптивного прогнозирования многомерных временных рядов, характеристики которых могут резко изменяться непредсказуемым образом с течением времени. Введена нейросетевая архитектура с синапсами - динамическими фильтрами и предложен алгоритм обучения, сочетающий в себе как высокое быстродействие, так и фильтрующие свойства. Предлагаемый фильтр-предиктор предназначен для использования в задачах технического анализа, связанных с оперативным предсказанием биржевых курсов.
Попередній перегляд:   Завантажити - 370.499 Kb    Зміст випуску    Реферативна БД     Цитування
15.

Бодянский Е. В. 
Составной адаптивный вейвлон и алгоритм его обучения [Електронний ресурс] / Е. В. Бодянский, Е. А. Винокурова // Управляющие системы и машины. - 2009. - № 1. - С. 47-53. - Режим доступу: http://nbuv.gov.ua/UJRN/USM_2009_1_7
Попередній перегляд:   Завантажити - 457.906 Kb    Зміст випуску     Цитування
16.

Бодянский Е. В. 
Адаптивная нечеткая кластеризация данных на основе метода Густафсона–Кесселя [Електронний ресурс] / Е. В. Бодянский, Б. В. Колчигин, В. В. Волкова, И. П. Плисс // Управляющие системы и машины. - 2013. - № 2. - С. 40-46. - Режим доступу: http://nbuv.gov.ua/UJRN/USM_2013_2_7
Рассмотрены процедуры нечеткой кластеризации. Предложены адаптивные формы вероятностного и возможностного вариантов алгоритма Густафсона - Кесселя, отличающиеся численной простотой и обеспечивающие высокую эффективность при работе в условиях неопределенности, в частности при меняющемся со временем характере обрабатываемых данных и недостатке знаний о природе выборки.
Попередній перегляд:   Завантажити - 832.428 Kb    Зміст випуску    Реферативна БД     Цитування
17.

Бодянский Е. В. 
Информационная технология кластеризации данных в условиях короткой обучающей выборки на основе ассоциативной вероятностной нейро-фаззи системы [Електронний ресурс] / Е. В. Бодянский, Е. А. Винокурова, Д. Д. Пелешко // Управляющие системы и машины. - 2014. - № 4. - С. 73-76. - Режим доступу: http://nbuv.gov.ua/UJRN/USM_2014_4_12
Разработана гибридная нейро-фаззи система вычислительного интеллекта, позволяющая решать задачи вероятностной и нечеткой классификации данных, описываемых короткими выборками, в условиях пересекающихся классов произвольной формы.
Попередній перегляд:   Завантажити - 373.264 Kb    Зміст випуску    Реферативна БД     Цитування
18.

Колчигин Б. В. 
Адаптивная нечеткая кластеризация с переменным фаззификатором [Електронний ресурс] / Б. В. Колчигин, Е. В. Бодянский // Кибернетика и системный анализ. - 2013. - Т. 49, № 3. - С. 47-55. - Режим доступу: http://nbuv.gov.ua/UJRN/KSA_2013_49_3_6
Попередній перегляд:   Завантажити - 187.811 Kb    Зміст випуску     Цитування
19.

Бодянский Е. В. 
Адаптивный метод гибридного обучения эволюционирующей нейро-фаззи системы [Електронний ресурс] / Е. В. Бодянский, Е. А. Бойко, И. П. Плисс // Кибернетика и системный анализ. - 2015. - Т. 51, № 4. - С. 13-18. - Режим доступу: http://nbuv.gov.ua/UJRN/KSA_2015_51_4_3
Предложен метод обучения нейро-фаззи систем, который включает процессы эволюции архитектуры, самообучения функций принадлежности и обучения синаптических весов. Этот подход обеспечивает высокое быстродействие и возможность обрабатывать информацию в on-line режиме, адаптируя при этом параметры и структуру системы к условиям задачи.
Попередній перегляд:   Завантажити - 132.586 Kb    Зміст випуску    Реферативна БД     Цитування
20.

Бодянский Е. В. 
Многослойная адаптивная нечеткая вероятностная нейронная сеть в задачах классификации текстовых документов [Електронний ресурс] / Е. В. Бодянский, Н. В. Рябова, О. В. Золотухин // Радіоелектроніка, інформатика, управління. - 2015. - № 1. - С. 39-45. - Режим доступу: http://nbuv.gov.ua/UJRN/riu_2015_1_7
Рассмотрена задача классификации текстовых документов на основе нечеткой вероятностной нейронной сети в режиме реального времени. В массиве текстовых документов может быть выделено различное количество классов, к которым могут относиться данные документы. При этом предполагается, что данные классы могут иметь в n-мерном пространстве различную форму и взаимно перекрываться. Предложена архитектура многослойной адаптивной нечеткой вероятностной нейронной сети, которая позволяет решать задачу классификации в последовательном режиме по мере поступления новых данных. Предложен алгоритм обучения многослойной адаптивной нечеткой вероятностной нейронной сети, а также решена задача классификации на основе предложенной архитектуры в условиях пересекающихся классов, что позволяет относить один экземпляр текстового документа к разным классам с различной степенью вероятности. Архитектура классифицирующей нейронной сети отличается простотой численной реализацией и высокой скоростью обучения, и предназначена для обработки больших массивов данных, характеризующихся векторами признаков высокой размерности. Предлагаемая нейронная сеть и метод еe обучения предназначены для работы в условиях пересекающихся классов, отличающихся как формой, так и размерами.
Попередній перегляд:   Завантажити - 593.145 Kb    Зміст випуску    Реферативна БД     Цитування
...
 
Відділ наукової організації електронних інформаційних ресурсів
Пам`ятка користувача

Всі права захищені © Національна бібліотека України імені В. І. Вернадського