Application of the volume learning algorithm artificial neural networks for recognition of the type of interaction between neurons from their cross-correlation histograms
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 pre-vious expert system algorithm developed with Group...
Gespeichert in:
| Datum: | 2005 |
|---|---|
| Hauptverfasser: | , |
| Format: | Artikel |
| Sprache: | English |
| Veröffentlicht: |
Навчально-науковий комплекс "Інститут прикладного системного аналізу" НТУУ "КПІ" МОН та НАН України
2005
|
| Schlagworte: | |
| Online Zugang: | https://nasplib.isofts.kiev.ua/handle/123456789/14089 |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Zitieren: | Application of the volume learning algorithm artificial neural networks for recognition of the type of interaction between neurons from their cross-correlation histograms / V.V. Kovalishyn, I.V. Tetko // Систем. дослідж. та інформ. технології. — 2005. — № 3. — С. 48-56. — Бібліогр.: 20 назв. — англ. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| id |
nasplib_isofts_kiev_ua-123456789-14089 |
|---|---|
| record_format |
dspace |
| spelling |
Kovalishyn, V.V. Tetko, I.V. 2010-12-13T16:23:45Z 2010-12-13T16:23:45Z 2005 Application of the volume learning algorithm artificial neural networks for recognition of the type of interaction between neurons from their cross-correlation histograms / V.V. Kovalishyn, I.V. Tetko // Систем. дослідж. та інформ. технології. — 2005. — № 3. — С. 48-56. — Бібліогр.: 20 назв. — англ. 1681–6048 https://nasplib.isofts.kiev.ua/handle/123456789/14089 519.688 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 pre-vious 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. en Навчально-науковий комплекс "Інститут прикладного системного аналізу" НТУУ "КПІ" МОН та НАН України Прогресивні інформаційні технології, високопродуктивні комп’ютерні системи 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 Article published earlier |
| institution |
Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| collection |
DSpace DC |
| title |
Application of the volume learning algorithm artificial neural networks for recognition of the type of interaction between neurons from their cross-correlation histograms |
| spellingShingle |
Application of the volume learning algorithm artificial neural networks for recognition of the type of interaction between neurons from their cross-correlation histograms Kovalishyn, V.V. Tetko, I.V. Прогресивні інформаційні технології, високопродуктивні комп’ютерні системи |
| title_short |
Application of the volume learning algorithm artificial neural networks for recognition of the type of interaction between neurons from their cross-correlation histograms |
| title_full |
Application of the volume learning algorithm artificial neural networks for recognition of the type of interaction between neurons from their cross-correlation histograms |
| title_fullStr |
Application of the volume learning algorithm artificial neural networks for recognition of the type of interaction between neurons from their cross-correlation histograms |
| title_full_unstemmed |
Application of the volume learning algorithm artificial neural networks for recognition of the type of interaction between neurons from their cross-correlation histograms |
| title_sort |
application of the volume learning algorithm artificial neural networks for recognition of the type of interaction between neurons from their cross-correlation histograms |
| author |
Kovalishyn, V.V. Tetko, I.V. |
| author_facet |
Kovalishyn, V.V. Tetko, I.V. |
| topic |
Прогресивні інформаційні технології, високопродуктивні комп’ютерні системи |
| topic_facet |
Прогресивні інформаційні технології, високопродуктивні комп’ютерні системи |
| publishDate |
2005 |
| language |
English |
| publisher |
Навчально-науковий комплекс "Інститут прикладного системного аналізу" НТУУ "КПІ" МОН та НАН України |
| format |
Article |
| title_alt |
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 |
| 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 pre-vious 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.
|
| issn |
1681–6048 |
| url |
https://nasplib.isofts.kiev.ua/handle/123456789/14089 |
| citation_txt |
Application of the volume learning algorithm artificial neural networks for recognition of the type of interaction between neurons from their cross-correlation histograms / V.V. Kovalishyn, I.V. Tetko // Систем. дослідж. та інформ. технології. — 2005. — № 3. — С. 48-56. — Бібліогр.: 20 назв. — англ. |
| work_keys_str_mv |
AT kovalishynvv applicationofthevolumelearningalgorithmartificialneuralnetworksforrecognitionofthetypeofinteractionbetweenneuronsfromtheircrosscorrelationhistograms AT tetkoiv applicationofthevolumelearningalgorithmartificialneuralnetworksforrecognitionofthetypeofinteractionbetweenneuronsfromtheircrosscorrelationhistograms AT kovalishynvv primeneniealgoritmaprostranstvennogoobučeniâiskusstvennyhneironnyhseteidlâraspoznavaniâtipavzaimodeistviâneironovpoihkrosskorrelâcionnoigistogramme AT tetkoiv primeneniealgoritmaprostranstvennogoobučeniâiskusstvennyhneironnyhseteidlâraspoznavaniâtipavzaimodeistviâneironovpoihkrosskorrelâcionnoigistogramme AT kovalishynvv vikoristannâalgoritmuprostorovogonavčannâštučnihneironnihmereždlârozpíznavannâtipuvzaêmodííneironívpoíhkroskorelâcíiníigístogramí AT tetkoiv vikoristannâalgoritmuprostorovogonavčannâštučnihneironnihmereždlârozpíznavannâtipuvzaêmodííneironívpoíhkroskorelâcíiníigístogramí |
| first_indexed |
2025-12-07T18:47:05Z |
| last_indexed |
2025-12-07T18:47:05Z |
| _version_ |
1850876337123753984 |