NAU Harvester System
Гібридна нейронна мережа на основі Q-, W-, класичних нейронів
Наукові журнали Національного Авіаційного Університету
View Archive Info| Field | Value | |
| Title |
Гібридна нейронна мережа на основі Q-, W-, класичних нейронів
HYBRID NEURON NETWORKS BASED ON Q- , W- AND CLASSICAL NEURONS Гибридная нейронная сеть на основе Q-, W-, классических нейронов |
|
| Creator |
Chumachenko, O. I.; Національний технічний університет України «Київський політехнічний інститут ім. Ігоря Сікорського»
Dychko, S. T.; Національний технічний університет України «Київський політехнічний інститут ім. Ігоря Сікорського» Rizhiy, А. R.; Національний технічний університет України «Київський політехнічний інститут ім. Ігоря Сікорського» |
|
| Subject |
Гібридна нейронна мережа; структурно-параметричний синтез; проблема оптимізації
УДК 629.735.33-519(045) Hybrid neural network; structural-parametric synthesis; optimization problem UDC 629.735.33-519(045) Гибридная нейронная сеть; структурно-параметрический синтез; задача оптимизации УДК 629.735.33-519(045) |
|
| Description |
Розглянуто задачу структурно-параметричного синтезу гібридної нейронної мережі на основі використання топології багатошарового персцептрону. Гібридизація досягається за рахунок використання штучних нейронів різних типів, а саме Q-нейрону,W-нейрону і класичного нейрону. Розв’язано задачу оптимального вибору кількості шарів, нейронів в шарах, а також типів нейронів у кожному шарі та принципи їх чергування за допомогою генетичного алгоритму SPEA2. Наведено приклади побудови гібридної нейронної мережі за даною методологією та заданим критерієм оптимізації для розв’язання задач класифікації та прогнозування.
The problem of structural-parametric synthesis of hybrid neural network based on the use of multilayer perceptron topology is considered. Hybridization is achieved through the use of artificial neurons of different types, namely Q-neuron, W-neuron and classical neuron. The problem of optimal selection of the number of layers, neurons in layers, as well as the types of neurons in each layer and the principles of alternating them using the genetic algorithm SPEA2 is solved. Examples of building a hybrid neural network using this methodology and a given optimization criterion for solving classification and forecasting problems are given. Рассмотрена задача структурно-параметрического синтеза гибридной нейронной сети на основе использования топологии многослойного персцептрону. Гибридизация достигается за счет использования искусственных нейронов различных типов, а именно Q-нейрона, W-нейрона и классического нейрона. Решена задача оптимального выбора количества слоев, нейронов в слоях, а также типов нейронов в каждом слое и принципы их чередования с помощью генетического алгоритма SPEA2. Приведены примеры построения гибридной нейронной сети по данной методологии и заданным критерием оптимизации для решения задач классификации и прогнозирования. |
|
| Publisher |
National Aviation University
|
|
| Contributor |
—
— — |
|
| Date |
2019-12-27
|
|
| Type |
—
— |
|
| Format |
application/pdf
|
|
| Identifier |
http://jrnl.nau.edu.ua/index.php/ESU/article/view/14385
10.18372/1990-5548.62.14385 |
|
| Source |
Electronics and Control Systems; Том 4, № 62 (2019); 58-62
Электроника и системы управления; Том 4, № 62 (2019); 58-62 Електроніка та системи управління; Том 4, № 62 (2019); 58-62 |
|
| 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).
|
|