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...
Saved in:
| Date: | 2019 |
|---|---|
| Main Authors: | , |
| Format: | Article |
| Language: | English |
| Published: |
The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute"
2019
|
| Online Access: | http://journal.iasa.kpi.ua/article/view/165656 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | System research and information technologies |
Institution
System research and information technologies| _version_ | 1856543395967664128 |
|---|---|
| author | Kovalishyn, V. V. Тетко, L. V. |
| author_facet | Kovalishyn, V. V. Тетко, L. V. |
| author_sort | Kovalishyn, V. V. |
| baseUrl_str | |
| collection | OJS |
| datestamp_date | 2019-04-26T15:35:46Z |
| 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. |
| first_indexed | 2025-07-17T10:25:00Z |
| format | Article |
| id | journaliasakpiua-article-165656 |
| institution | System research and information technologies |
| language | English |
| last_indexed | 2025-07-17T10:25:00Z |
| publishDate | 2019 |
| publisher | The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" |
| 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 |
| spellingShingle | Kovalishyn, V. V. Тетко, L. V. Використання алгоритму просторового навчання штучних нейронних мереж для розпізнавання типу взаємодії нейронів по їх кроскореляційній гістограмі |
| title | 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 |
| 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_short | 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 |
| 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 |