Експоненціальна оцінка для рекурентної нейронної мережі з дискретним запізненням
The purpose of this study is to develop and apply a method for calculating the exponential fade rate for a model of a recurrent neural network based on discrete latency differential equations. An exponential estimate is obtained on the basis of the difference inequality for the Lyapunov function. An...
Збережено в:
| Дата: | 2019 |
|---|---|
| Автори: | , |
| Формат: | Стаття |
| Мова: | Ukrainian |
| Опубліковано: |
The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute"
2019
|
| Теми: | |
| Онлайн доступ: | http://journal.iasa.kpi.ua/article/view/175554 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | System research and information technologies |
Репозитарії
System research and information technologies| id |
journaliasakpiua-article-175554 |
|---|---|
| record_format |
ojs |
| spelling |
journaliasakpiua-article-1755542019-08-27T22:12:50Z An exponential evaluation for recurrent neural network with discrete delays Экспоненциальная оценка рекурентной нейронной сети с дискретным запаздыванием Експоненціальна оцінка для рекурентної нейронної мережі з дискретним запізненням Martsenyuk, V. P. Sverstiuk, A. S. recurrent neural network delay differential equations exponential stability Lyapunov functional рекурентна нейронна мережа диференціальні рівняння із запізненням експоненціальна стійкість функціонал Ляпунова рекуррентная нейронная сеть дифференциальные уравнения с опозданием экспоненциальная устойчивость функционал Ляпунова The purpose of this study is to develop and apply a method for calculating the exponential fade rate for a model of a recurrent neural network based on discrete latency differential equations. An exponential estimate is obtained on the basis of the difference inequality for the Lyapunov function. An example of the exponential estimation for a model of a recurrent neural network with three neurons is presented. Разработан и применен метод расчета скорости экспоненциального затухания для модели рекуррентной нейронной сети на основе дифференциальных уравнений с дискретным запаздыванием. Экспоненциальная оценка получена на основе разностного неравенства для функционала Ляпунова. Рассмотрен пример экспоненциального оценивания для модели рекуррентной нейронной сети с тремя нейронами. Розроблено та застосовано метод розрахунку швидкості експоненціального згасання для моделі рекурентної нейронної мережі на основі диференціальних рівнянь із дискретним запізненням. Експоненціальну оцінку отримано на основі різницевої нерівності для функціонала Ляпунова. Розглянуто приклад експоненціального оцінювання для моделі рекурентної нейронної мережі з трьома нейронами. The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" 2019-06-25 Article Article application/pdf http://journal.iasa.kpi.ua/article/view/175554 10.20535/SRIT.2308-8893.2019.2.07 System research and information technologies; No. 2 (2019); 83-93 Системные исследования и информационные технологии; № 2 (2019); 83-93 Системні дослідження та інформаційні технології; № 2 (2019); 83-93 2308-8893 1681-6048 uk http://journal.iasa.kpi.ua/article/view/175554/175465 Copyright (c) 2021 System research and information technologies |
| institution |
System research and information technologies |
| collection |
OJS |
| language |
Ukrainian |
| topic |
recurrent neural network delay differential equations exponential stability Lyapunov functional рекурентна нейронна мережа диференціальні рівняння із запізненням експоненціальна стійкість функціонал Ляпунова рекуррентная нейронная сеть дифференциальные уравнения с опозданием экспоненциальная устойчивость функционал Ляпунова |
| spellingShingle |
recurrent neural network delay differential equations exponential stability Lyapunov functional рекурентна нейронна мережа диференціальні рівняння із запізненням експоненціальна стійкість функціонал Ляпунова рекуррентная нейронная сеть дифференциальные уравнения с опозданием экспоненциальная устойчивость функционал Ляпунова Martsenyuk, V. P. Sverstiuk, A. S. Експоненціальна оцінка для рекурентної нейронної мережі з дискретним запізненням |
| topic_facet |
recurrent neural network delay differential equations exponential stability Lyapunov functional рекурентна нейронна мережа диференціальні рівняння із запізненням експоненціальна стійкість функціонал Ляпунова рекуррентная нейронная сеть дифференциальные уравнения с опозданием экспоненциальная устойчивость функционал Ляпунова |
| format |
Article |
| author |
Martsenyuk, V. P. Sverstiuk, A. S. |
| author_facet |
Martsenyuk, V. P. Sverstiuk, A. S. |
| author_sort |
Martsenyuk, V. P. |
| title |
Експоненціальна оцінка для рекурентної нейронної мережі з дискретним запізненням |
| title_short |
Експоненціальна оцінка для рекурентної нейронної мережі з дискретним запізненням |
| title_full |
Експоненціальна оцінка для рекурентної нейронної мережі з дискретним запізненням |
| title_fullStr |
Експоненціальна оцінка для рекурентної нейронної мережі з дискретним запізненням |
| title_full_unstemmed |
Експоненціальна оцінка для рекурентної нейронної мережі з дискретним запізненням |
| title_sort |
експоненціальна оцінка для рекурентної нейронної мережі з дискретним запізненням |
| title_alt |
An exponential evaluation for recurrent neural network with discrete delays Экспоненциальная оценка рекурентной нейронной сети с дискретным запаздыванием |
| description |
The purpose of this study is to develop and apply a method for calculating the exponential fade rate for a model of a recurrent neural network based on discrete latency differential equations. An exponential estimate is obtained on the basis of the difference inequality for the Lyapunov function. An example of the exponential estimation for a model of a recurrent neural network with three neurons is presented. |
| publisher |
The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" |
| publishDate |
2019 |
| url |
http://journal.iasa.kpi.ua/article/view/175554 |
| work_keys_str_mv |
AT martsenyukvp anexponentialevaluationforrecurrentneuralnetworkwithdiscretedelays AT sverstiukas anexponentialevaluationforrecurrentneuralnetworkwithdiscretedelays AT martsenyukvp éksponencialʹnaâocenkarekurentnojnejronnojsetisdiskretnymzapazdyvaniem AT sverstiukas éksponencialʹnaâocenkarekurentnojnejronnojsetisdiskretnymzapazdyvaniem AT martsenyukvp eksponencíalʹnaocínkadlârekurentnoínejronnoímerežízdiskretnimzapíznennâm AT sverstiukas eksponencíalʹnaocínkadlârekurentnoínejronnoímerežízdiskretnimzapíznennâm AT martsenyukvp exponentialevaluationforrecurrentneuralnetworkwithdiscretedelays AT sverstiukas exponentialevaluationforrecurrentneuralnetworkwithdiscretedelays |
| first_indexed |
2024-04-08T15:07:18Z |
| last_indexed |
2024-04-08T15:07:18Z |
| _version_ |
1795779554503032832 |