Використання алгоритму просторового навчання штучних нейронних мереж для розпізнавання типу взаємодії нейронів по їх кроскореляційній гістограмі

An algorithm based on two types artificial neural networks (ANNs) is proposed. The first network is an associative ANN while the second network is a Self-Organizing Map of Kohonen. The results for a test set are similar to the performance of our previous expert system algorithm developed with Group...

Повний опис

Збережено в:

Бібліографічні деталі
Дата:	2019
Автори:	Kovalishyn, V. V., Тетко, L. V.
Формат:	Стаття
Мова:	English
Опубліковано:	The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" 2019
Онлайн доступ:	http://journal.iasa.kpi.ua/article/view/165656
Теги:	Додати тег Немає тегів, Будьте першим, хто поставить тег для цього запису!
Назва журналу:	System research and information technologies

Репозитарії

System research and information technologies

id	journaliasakpiua-article-165656
record_format	ojs
spelling	journaliasakpiua-article-1656562019-04-26T15:35:46Z Application of the volume learning algorithm artificial neural networks for recognition of the type of interaction between neurons from their cross correlation histograms Применение алгоритма пространственного обучения искусственных нейронных сетей для распознавания типа взаимодействия нейронов по их кросскорреляционной гистограмме Використання алгоритму просторового навчання штучних нейронних мереж для розпізнавання типу взаємодії нейронів по їх кроскореляційній гістограмі Kovalishyn, V. V. Тетко, L. V. An algorithm based on two types artificial neural networks (ANNs) is proposed. The first network is an associative ANN while the second network is a Self-Organizing Map of Kohonen. The results for a test set are similar to the performance of our previous expert system algorithm developed with Group Method of Data Handling (GMDH). However, while GMDH uses indices derived using the expert knowledge (and thus require considerable time and resources) the VLA process initial raw data. Для решения задачи распознавания типов взаимодействия между нейронами предложен алгоритм, основанный на использовании двух типов искусственных нейронных сетей (ИНС). Первая сеть представляет собой ассоциативную ИНС, тогда как вторая — самоорганизующиеся карты Кохонена. Результаты, полученные для тестового набора данных, подобны результатам, найденным методом группового учета аргументов (МГУА). Однако новый подход использует только исходные данные, тогда как МГУА — производные индексов, полученные дополнительным анализом начальных индексов. Для вирішення задачі розпізнавання типів взаємодії між нейронами запропоновано алгоритм, заснований на використанні двох типів штучних нейронних мереж (ШНМ). Перша мережа представляє собою асоціативну ШНМ, тоді як друга — карту Кохонена, що самоорганізується. Результати тестування на наборі даних подібні до результатів, отриманих методом групового врахування аргументів (МГВА). Однак новий підхід використовує тільки початкові дані, тоді як МГВА — похідні індексів, отримані додатковим аналізом початкових індексів. The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" 2019-04-26 Article Article application/pdf http://journal.iasa.kpi.ua/article/view/165656 System research and information technologies; No. 3 (2005); 48-56 Системные исследования и информационные технологии; № 3 (2005); 48-56 Системні дослідження та інформаційні технології; № 3 (2005); 48-56 2308-8893 1681-6048 en http://journal.iasa.kpi.ua/article/view/165656/164896 Copyright (c) 2021 System research and information technologies
institution	System research and information technologies
baseUrl_str
datestamp_date	2019-04-26T15:35:46Z
collection	OJS
language	English
format	Article
author	Kovalishyn, V. V. Тетко, L. V.
spellingShingle	Kovalishyn, V. V. Тетко, L. V. Використання алгоритму просторового навчання штучних нейронних мереж для розпізнавання типу взаємодії нейронів по їх кроскореляційній гістограмі
author_facet	Kovalishyn, V. V. Тетко, L. V.
author_sort	Kovalishyn, V. V.
title	Використання алгоритму просторового навчання штучних нейронних мереж для розпізнавання типу взаємодії нейронів по їх кроскореляційній гістограмі
title_short	Використання алгоритму просторового навчання штучних нейронних мереж для розпізнавання типу взаємодії нейронів по їх кроскореляційній гістограмі
title_full	Використання алгоритму просторового навчання штучних нейронних мереж для розпізнавання типу взаємодії нейронів по їх кроскореляційній гістограмі
title_fullStr	Використання алгоритму просторового навчання штучних нейронних мереж для розпізнавання типу взаємодії нейронів по їх кроскореляційній гістограмі
title_full_unstemmed	Використання алгоритму просторового навчання штучних нейронних мереж для розпізнавання типу взаємодії нейронів по їх кроскореляційній гістограмі
title_sort	використання алгоритму просторового навчання штучних нейронних мереж для розпізнавання типу взаємодії нейронів по їх кроскореляційній гістограмі
title_alt	Application of the volume learning algorithm artificial neural networks for recognition of the type of interaction between neurons from their cross correlation histograms Применение алгоритма пространственного обучения искусственных нейронных сетей для распознавания типа взаимодействия нейронов по их кросскорреляционной гистограмме
description	An algorithm based on two types artificial neural networks (ANNs) is proposed. The first network is an associative ANN while the second network is a Self-Organizing Map of Kohonen. The results for a test set are similar to the performance of our previous expert system algorithm developed with Group Method of Data Handling (GMDH). However, while GMDH uses indices derived using the expert knowledge (and thus require considerable time and resources) the VLA process initial raw data.
publisher	The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute"
publishDate	2019
url	http://journal.iasa.kpi.ua/article/view/165656
work_keys_str_mv	AT kovalishynvv applicationofthevolumelearningalgorithmartificialneuralnetworksforrecognitionofthetypeofinteractionbetweenneuronsfromtheircrosscorrelationhistograms AT tetkolv applicationofthevolumelearningalgorithmartificialneuralnetworksforrecognitionofthetypeofinteractionbetweenneuronsfromtheircrosscorrelationhistograms AT kovalishynvv primeneniealgoritmaprostranstvennogoobučeniâiskusstvennyhnejronnyhsetejdlâraspoznavaniâtipavzaimodejstviânejronovpoihkrosskorrelâcionnojgistogramme AT tetkolv primeneniealgoritmaprostranstvennogoobučeniâiskusstvennyhnejronnyhsetejdlâraspoznavaniâtipavzaimodejstviânejronovpoihkrosskorrelâcionnojgistogramme AT kovalishynvv vikoristannâalgoritmuprostorovogonavčannâštučnihnejronnihmereždlârozpíznavannâtipuvzaêmodíínejronívpoíhkroskorelâcíjníjgístogramí AT tetkolv vikoristannâalgoritmuprostorovogonavčannâštučnihnejronnihmereždlârozpíznavannâtipuvzaêmodíínejronívpoíhkroskorelâcíjníjgístogramí
first_indexed	2025-07-17T10:25:00Z
last_indexed	2025-07-17T10:25:00Z
_version_	1837889383028490240

Використання алгоритму просторового навчання штучних нейронних мереж для розпізнавання типу взаємодії нейронів по їх кроскореляційній гістограмі

Репозитарії

Схожі ресурси