NAU Harvester System
Стуктурний синтез гібридних ансамблів нейронних мереж
Наукові журнали Національного Авіаційного Університету
View Archive Info| Field | Value | |
| Title |
Стуктурний синтез гібридних ансамблів нейронних мереж
STRUCTURAL SYNTHESIS OF HYBRID NEURAL NETWORKS ENSEMBLES Стуктурный синтез гибридных ансамблей нейронных сетей |
|
| Creator |
Sineglazov, V. M.; Національний авіаційний університет, Київ
Chumachenko, O. I.; Національний технічний університет України «Київський політехнічний інститут ім. Ігоря Сікорського» Bedukha, O. R.; Національний авіаційний університет, Київ |
|
| Subject |
Гібридні ансамблі нейронних мереж; класифікатор; бутстреп навчальної вибірки
УДК 681.327.12 (045) Hybrid neural networks ensembles; classifier; bootstrap training sample UDC 681.327.12 (045) Гибридные ансамбли нейронных сетей; классификатор; бутстреп обучающей выборки УДК 681.327.12 (045) |
|
| Description |
Розглянуто структурний синтез ансамблів гібридних нейронних мереж. У якості топології ансамблю вибрана паралельна структура з шаром об'єднання. Розроблений гібридний алгоритм розв’язання задачі включає алгоритми попереднього вибору класифікаторів (модулів нейронних мереж – гібридні нейронні мережі, які складаються з нейронних мереж Кохонена, базової і двонаправленої асоціативної пам’яті), створення бутстреп навчальних вибірок для кожного класифікатора, навчання цих класифікаторів, оптимальний вибір необхідних класифікаторів, визначення вагових коефіцієнтів шару об'єднання, спрощення ансамблю. Для вирішення завдання оптимального вибору класифікаторів використовуються два критерії: точність і різноманітність.
It is considered the structural synthesis of hybrid neural networks ensembles. It is chosen the ensemble topology as parallel structure with united layer. It is developed a hybrid algorithm for the problem solution which includes some algorithms preliminary choice of classifiers(modules of neural networks-hybrid neural networks, which consist of Kohonen, basic neural networks and bi-directional associative memory), creation the bootstrap training samples for every classifier, training these classifiers, optimal choice of necessity ones, determination of layer union weight coefficients, ensemble pruning. For the solution of optimal choice classifiers it is used two criteria: accuracy and variety. Рассмотрен структурный синтез ансамблей гибридных нейронных сетей. В качестве топология ансамбля выбрана параллельная структура со слоем объединения. Разработан гибридный алгоритм решения задачи, который включает в себя некоторые алгоритмы предварительного выбора классификаторов (модулей нейронных сетей – гибридные нейронные сети, которые состоят из нейронных сетей Кохонена, базовой и двунаправленной ассоциативной памяти), создание бутстреп обучающих выборок для каждого классификатора, обучение этих классификаторов, оптимальный выбор необходимых классификаторов, определения весовых коэффициентов слоя объединения, упрощения ансамбля. Для решения задачи оптимального выбора классификаторов используются два критерия: точность и разнообразие. |
|
| Publisher |
National Aviation University
|
|
| Contributor |
—
— — |
|
| Date |
2018-09-29
|
|
| Type |
—
— |
|
| Format |
application/pdf
|
|
| Identifier |
http://jrnl.nau.edu.ua/index.php/ESU/article/view/13242
10.18372/1990-5548.57.13242 |
|
| Source |
Electronics and Control Systems; Том 3, № 57 (2018); 83-87
Электроника и системы управления; Том 3, № 57 (2018); 83-87 Електроніка та системи управління; Том 3, № 57 (2018); 83-87 |
|
| Language |
en
|
|
| Rights |
Authors who publish with this journal agree to the following terms:Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).
|
|