2025-02-23T16:50:09-05:00 DEBUG: VuFindSearch\Backend\Solr\Connector: Query fl=%2A&wt=json&json.nl=arrarr&q=id%3A%22irk-123456789-8145%22&qt=morelikethis&rows=5
2025-02-23T16:50:09-05:00 DEBUG: VuFindSearch\Backend\Solr\Connector: => GET http://localhost:8983/solr/biblio/select?fl=%2A&wt=json&json.nl=arrarr&q=id%3A%22irk-123456789-8145%22&qt=morelikethis&rows=5
2025-02-23T16:50:09-05:00 DEBUG: VuFindSearch\Backend\Solr\Connector: <= 200 OK
2025-02-23T16:50:09-05:00 DEBUG: Deserialized SOLR response
Эффективное увеличение области притяжения глобального минимума квадратичного бинарного функционала при нейросетевом поиске

Эффективное увеличение области притяжения глобального минимума квадратичного бинарного функционала при нейросетевом поиске

Решается задача минимизации квадратичного функционала в конфигурационном пространстве. Для эффективного увеличения области притяжения глубоких минимумов предлагается матрицу, на которой построен функционал, возводить в степень, и на полученном новом функционале решать задачу минимизации. В работе...

Full description

Saved in:
Bibliographic Details
Main Authors: Карандашев, Я.М., Крыжановский, Б.В.
Format: Article
Language:Russian
Published: Інститут проблем штучного інтелекту МОН України та НАН України 2009
Subjects:
Интеллектуальный анализ данных
Online Access:http://dspace.nbuv.gov.ua/handle/123456789/8145
Tags: Add Tag
No Tags, Be the first to tag this record!
id irk-123456789-8145
record_format dspace
spelling irk-123456789-81452010-05-14T12:01:07Z Эффективное увеличение области притяжения глобального минимума квадратичного бинарного функционала при нейросетевом поиске Карандашев, Я.М. Крыжановский, Б.В. Интеллектуальный анализ данных Решается задача минимизации квадратичного функционала в конфигурационном пространстве. Для эффективного увеличения области притяжения глубоких минимумов предлагается матрицу, на которой построен функционал, возводить в степень, и на полученном новом функционале решать задачу минимизации. В работе показано на примере матриц двумерной спинстекольной модели Изинга, что такая техника приводит к сдвигу спектра минимумов в более глубокую область, резко сокращает число находимых мелких минимумов и позволяет с большей, на 3 – 4 порядка, вероятностью находить глобальный минимум. Розв’язується задача мінімізації квадратичного функціонала у конфігураційному просторі. Для ефективного збільшення області притягнення глибоких мінімумів пропонується матрицю, на якій побудований функціонал, підносити до степеня, а на отриманому новому функціоналі розв’язувати задачу мінімізації. У роботі показано на прикладі матриць двомірної спінстекольної моделі Ізінга, що така техніка приводить до зрушення спектра мінімумів у більш глибоку область, різко зменшує число знайдених мілких мінімумів і дозволяє з більшою, на 3 – 4 порядки, вірогідністю знаходити глобальний мінімум. A quadratic binary functional minimization problem is considered. To effectively increase the deep minima domains of attraction it is suggested to raise a matrix which constructed the functional on to some power, and to solve the minimization problem on the new obtained functional. By the example of matrixes of the twodimensional Ising’s model it is shown in the paper that suggested technique leads to a shift of local minima spectrum towards the region of deeper minima, reduces sharply the number of minima found, and gives an opportunity to find the global minimum with a probability on 3 – 4 orders greater. 2009 Article Эффективное увеличение области притяжения глобального минимума квадратичного бинарного функционала при нейросетевом поиске / Я.М. Карандашев, Б.В. Крыжановский // Штучний інтелект. — 2009. — № 4. — С. 37-44. — Бібліогр.: 3 назв. — рос. 1561-5359 http://dspace.nbuv.gov.ua/handle/123456789/8145 004.8:004.9 ru Інститут проблем штучного інтелекту МОН України та НАН України
institution Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection DSpace DC
language Russian
topic Интеллектуальный анализ данных
Интеллектуальный анализ данных
spellingShingle Интеллектуальный анализ данных
Интеллектуальный анализ данных
Карандашев, Я.М.
Крыжановский, Б.В.
Эффективное увеличение области притяжения глобального минимума квадратичного бинарного функционала при нейросетевом поиске
description Решается задача минимизации квадратичного функционала в конфигурационном пространстве. Для эффективного увеличения области притяжения глубоких минимумов предлагается матрицу, на которой построен функционал, возводить в степень, и на полученном новом функционале решать задачу минимизации. В работе показано на примере матриц двумерной спинстекольной модели Изинга, что такая техника приводит к сдвигу спектра минимумов в более глубокую область, резко сокращает число находимых мелких минимумов и позволяет с большей, на 3 – 4 порядка, вероятностью находить глобальный минимум.
format Article
author Карандашев, Я.М.
Крыжановский, Б.В.
author_facet Карандашев, Я.М.
Крыжановский, Б.В.
author_sort Карандашев, Я.М.
title Эффективное увеличение области притяжения глобального минимума квадратичного бинарного функционала при нейросетевом поиске
title_short Эффективное увеличение области притяжения глобального минимума квадратичного бинарного функционала при нейросетевом поиске
title_full Эффективное увеличение области притяжения глобального минимума квадратичного бинарного функционала при нейросетевом поиске
title_fullStr Эффективное увеличение области притяжения глобального минимума квадратичного бинарного функционала при нейросетевом поиске
title_full_unstemmed Эффективное увеличение области притяжения глобального минимума квадратичного бинарного функционала при нейросетевом поиске
title_sort эффективное увеличение области притяжения глобального минимума квадратичного бинарного функционала при нейросетевом поиске
publisher Інститут проблем штучного інтелекту МОН України та НАН України
publishDate 2009
topic_facet Интеллектуальный анализ данных
url http://dspace.nbuv.gov.ua/handle/123456789/8145
citation_txt Эффективное увеличение области притяжения глобального минимума квадратичного бинарного функционала при нейросетевом поиске / Я.М. Карандашев, Б.В. Крыжановский // Штучний інтелект. — 2009. — № 4. — С. 37-44. — Бібліогр.: 3 назв. — рос.
work_keys_str_mv AT karandaševâm éffektivnoeuveličenieoblastipritâženiâglobalʹnogominimumakvadratičnogobinarnogofunkcionalaprinejrosetevompoiske
AT kryžanovskijbv éffektivnoeuveličenieoblastipritâženiâglobalʹnogominimumakvadratičnogobinarnogofunkcionalaprinejrosetevompoiske
first_indexed 2023-10-18T16:39:10Z
last_indexed 2023-10-18T16:39:10Z
_version_ 1796139538694799360

Similar Items