Головна Головна -> Реферати українською -> Дисертації та автореферати -> КЛАСИФІКАЦІЯ ДАНИХ В УМОВАХ НЕВИЗНАЧЕНОСТІ НА ОСНОВІ ГІБРИДНИХ НЕЙРО-ФАЗЗІ АРХІТЕКТУР

КЛАСИФІКАЦІЯ ДАНИХ В УМОВАХ НЕВИЗНАЧЕНОСТІ НА ОСНОВІ ГІБРИДНИХ НЕЙРО-ФАЗЗІ АРХІТЕКТУР

Назва:
КЛАСИФІКАЦІЯ ДАНИХ В УМОВАХ НЕВИЗНАЧЕНОСТІ НА ОСНОВІ ГІБРИДНИХ НЕЙРО-ФАЗЗІ АРХІТЕКТУР
Тип:
Реферат
Мова:
Українська
Розмiр:
20,10 KB
Завантажень:
199
Оцінка:
 
поточна оцінка 5.0


Скачати цю роботу безкоштовно
Пролистати роботу: 1  2  3  4  5  6  7  8  9  10  11  12  13 
ХАРКІВСЬКИЙ НАЦІОНАЛЬНИЙ УНІВЕРСИТЕТ
РАДІОЕЛЕКТРОНІКИ
Горшков Євген Віталійович
УДК 004.8:004.032.26
КЛАСИФІКАЦІЯ ДАНИХ В УМОВАХ НЕВИЗНАЧЕНОСТІ НА ОСНОВІ ГІБРИДНИХ НЕЙРО-ФАЗЗІ АРХІТЕКТУР
05.13.23 – системи та засоби штучного інтелекту
Автореферат
дисертації на здобуття наукового ступеня
кандидата технічних наук
Харків – 2007


Дисертацією є рукопис.
Робота виконана в Харківському національному університеті радіоелектроніки.
Науковий керівник – доктор технічних наук, професор
Бодянський Євгеній Володимирович,
професор кафедри штучного інтелекту
Харківського національного університету
радіоелектроніки (м. Харків).
Офіційні опоненти: доктор технічних наук, професор
Любчик Леонід Михайлович,
завідувач кафедри комп’ютерної математики
та математичного моделювання
Національного технічного університету
“Харківський політехнічний інститут” (м. Харків);
доктор технічних наук, професор
Михальов Олександр Ілліч,
завідувач кафедри інформаційних технологій та систем
Національної металургійної академії України
(м. Дніпропетровськ).
Захист відбудеться “27” лютого 2008 р. о 14:00 на засіданні спеціалізованої вченої ради Д64.052.01 в Харківському національному університеті радіоелектроніки за адресою: 61166, м. Харків, пр. Леніна, 14.
З дисертацією можна ознайомитися в бібліотеці Харківського національного університету радіоелектроніки, за адресою: 61166, м. Харків, пр. Леніна, 14.
Автореферат розісланий: “23” січня 2008 р.
Вчений секретар
спеціалізованої вченої ради С. Ф. Чалий


Загальна характеристика роботи
Актуальність теми. Сучасний етап розвитку теоретичних і прикладних досліджень в різних галузях науки характеризується зростанням уваги до задач класифікації чисельних даних довільної природи за умов апріорної і поточної невизначеності, що можуть містити інформацію зі значним ступенем перетину класів.
До теперішнього часу було розроблено багато типів інтелектуальних систем класифікації і кластеризації, у тому числі і гібридні архітектури нейро-фаззі систем. Однак слід зазначити, що відомі нейро- і нейро-фаззі методи мають істотні обмеження, серед яких є низька швидкість збіжності (обумовлена використанням процедур навчання, що засновані на алгоритмі зворотного поширення похибок), неможливість функціонування в умовах істотного перетину класів даних, відсутності апріорної інформації (наприклад, заздалегідь невідомій кількості кластерів). Крім того, низка існуючих нейронних мереж не має нейро-фаззі аналогів.
У зв'язку з цим досить актуальною є задача розробки нових гібридних нейро-фаззі мереж і ефективних методів їх навчання і самонавчання, здатних функціонувати за умов апріорної та поточної невизначеності відносно характеру розподілу та значного перетину класів.
Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконана відповідно до плану науково-дослідних робіт Харківського національного університету радіоелектроніки в межах держбюджетних тем №177 “Інтелектуальний аналіз і обробка даних в реальному часі на основі засобів обчислювального інтелекту” (№ ДР U003432) та №214 “Синтез методів обробки інформації за умов невизначеності на основі самонавчання та м’яких обчислень” (№ ДР U003028), що виконуються згідно наказів Міністерства освіти і науки України за результатами конкурсного відбору проектів наукових досліджень. В межах зазначених тем здобувачем як виконавцем були розроблені методи класифікації даних в умовах апріорної та поточної невизначеності відносно характеру розподілу даних за класами та істотному перетині класів, що включають в себе рекурентні робастні процедури кластеризації, гібридні нейро-фаззі моделі, процедури їх навчання і самоорганізації.
Мета і завдання дослідження. Метою роботи є розробка методів класифікації і кластеризації даних на основі гібридних нейро-фаззі моделей, а також розробка методів навчання і самоорганізації для цих моделей, що дозволять підвищити якість класифікації в умовах апріорної і поточної невизначеності відносно характеру розподілу та істотного перетину класів.

Завантажити цю роботу безкоштовно
Пролистати роботу: 1  2  3  4  5  6  7  8  9  10  11  12  13 



Реферат на тему: КЛАСИФІКАЦІЯ ДАНИХ В УМОВАХ НЕВИЗНАЧЕНОСТІ НА ОСНОВІ ГІБРИДНИХ НЕЙРО-ФАЗЗІ АРХІТЕКТУР

BR.com.ua © 1999-2017 | Реклама на сайті | Умови використання | Зворотній зв'язок