Анализ применимости нейронных сетей для классификации спутниковых данных

Аналізуються можливості застосування різних нейронних мереж та методів їх навчання для класифікації даних дистанційного зондування Землі, а саме багатошарового персептрона, який навчається за допомогою різних методів першого та другого порядку; нейронної мережі на основі радіальних базисних функцій;...

Повний опис

Збережено в:
Бібліографічні деталі
Опубліковано в: :Проблемы управления и информатики
Дата:2007
Автори: Скакун, С.В., Насуро, Е.В., Лавренюк, А.Н., Куссуль, О.М.
Формат: Стаття
Мова:Russian
Опубліковано: Інститут кібернетики ім. В.М. Глушкова НАН України 2007
Теми:
Онлайн доступ:https://nasplib.isofts.kiev.ua/handle/123456789/206977
Теги: Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
Назва журналу:Digital Library of Periodicals of National Academy of Sciences of Ukraine
Цитувати:Анализ применимости нейронных сетей для классификации спутниковых данных / С.В. Скакун, Е.В. Насуро, А.Н. Лавренюк, О.М. Куссуль // Проблемы управления и информатики. — 2007. — № 2. — С. 105-117. — Бібліогр.: 24 назв. — рос.

Репозитарії

Digital Library of Periodicals of National Academy of Sciences of Ukraine
id nasplib_isofts_kiev_ua-123456789-206977
record_format dspace
spelling Скакун, С.В.
Насуро, Е.В.
Лавренюк, А.Н.
Куссуль, О.М.
2025-09-27T09:24:34Z
2007
Анализ применимости нейронных сетей для классификации спутниковых данных / С.В. Скакун, Е.В. Насуро, А.Н. Лавренюк, О.М. Куссуль // Проблемы управления и информатики. — 2007. — № 2. — С. 105-117. — Бібліогр.: 24 назв. — рос.
0572-2691
https://nasplib.isofts.kiev.ua/handle/123456789/206977
681.3
Аналізуються можливості застосування різних нейронних мереж та методів їх навчання для класифікації даних дистанційного зондування Землі, а саме багатошарового персептрона, який навчається за допомогою різних методів першого та другого порядку; нейронної мережі на основі радіальних базисних функцій; нейронної мережі типу ARTMAP, яка базується на теорії адаптивного резонансу.
Analysis of different neural networks and their learning methods for satellite data processing is described. Multilayer perceptron and learning methods of the first and second order, neural network with radial basis functions, neural network based on adaptive resonance theory ARTMAP are examined in this paper.
ru
Інститут кібернетики ім. В.М. Глушкова НАН України
Проблемы управления и информатики
Космические информационные технологии и системы
Анализ применимости нейронных сетей для классификации спутниковых данных
Аналіз застосованості нейронних мереж для класифікації супутникових даних
Analysis of neural networks applicability for satellite data classification
Article
published earlier
institution Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection DSpace DC
title Анализ применимости нейронных сетей для классификации спутниковых данных
spellingShingle Анализ применимости нейронных сетей для классификации спутниковых данных
Скакун, С.В.
Насуро, Е.В.
Лавренюк, А.Н.
Куссуль, О.М.
Космические информационные технологии и системы
title_short Анализ применимости нейронных сетей для классификации спутниковых данных
title_full Анализ применимости нейронных сетей для классификации спутниковых данных
title_fullStr Анализ применимости нейронных сетей для классификации спутниковых данных
title_full_unstemmed Анализ применимости нейронных сетей для классификации спутниковых данных
title_sort анализ применимости нейронных сетей для классификации спутниковых данных
author Скакун, С.В.
Насуро, Е.В.
Лавренюк, А.Н.
Куссуль, О.М.
author_facet Скакун, С.В.
Насуро, Е.В.
Лавренюк, А.Н.
Куссуль, О.М.
topic Космические информационные технологии и системы
topic_facet Космические информационные технологии и системы
publishDate 2007
language Russian
container_title Проблемы управления и информатики
publisher Інститут кібернетики ім. В.М. Глушкова НАН України
format Article
title_alt Аналіз застосованості нейронних мереж для класифікації супутникових даних
Analysis of neural networks applicability for satellite data classification
description Аналізуються можливості застосування різних нейронних мереж та методів їх навчання для класифікації даних дистанційного зондування Землі, а саме багатошарового персептрона, який навчається за допомогою різних методів першого та другого порядку; нейронної мережі на основі радіальних базисних функцій; нейронної мережі типу ARTMAP, яка базується на теорії адаптивного резонансу. Analysis of different neural networks and their learning methods for satellite data processing is described. Multilayer perceptron and learning methods of the first and second order, neural network with radial basis functions, neural network based on adaptive resonance theory ARTMAP are examined in this paper.
issn 0572-2691
url https://nasplib.isofts.kiev.ua/handle/123456789/206977
fulltext
citation_txt Анализ применимости нейронных сетей для классификации спутниковых данных / С.В. Скакун, Е.В. Насуро, А.Н. Лавренюк, О.М. Куссуль // Проблемы управления и информатики. — 2007. — № 2. — С. 105-117. — Бібліогр.: 24 назв. — рос.
work_keys_str_mv AT skakunsv analizprimenimostineironnyhseteidlâklassifikaciisputnikovyhdannyh
AT nasuroev analizprimenimostineironnyhseteidlâklassifikaciisputnikovyhdannyh
AT lavrenûkan analizprimenimostineironnyhseteidlâklassifikaciisputnikovyhdannyh
AT kussulʹom analizprimenimostineironnyhseteidlâklassifikaciisputnikovyhdannyh
AT skakunsv analízzastosovanostíneironnihmereždlâklasifíkacíísuputnikovihdanih
AT nasuroev analízzastosovanostíneironnihmereždlâklasifíkacíísuputnikovihdanih
AT lavrenûkan analízzastosovanostíneironnihmereždlâklasifíkacíísuputnikovihdanih
AT kussulʹom analízzastosovanostíneironnihmereždlâklasifíkacíísuputnikovihdanih
AT skakunsv analysisofneuralnetworksapplicabilityforsatellitedataclassification
AT nasuroev analysisofneuralnetworksapplicabilityforsatellitedataclassification
AT lavrenûkan analysisofneuralnetworksapplicabilityforsatellitedataclassification
AT kussulʹom analysisofneuralnetworksapplicabilityforsatellitedataclassification
first_indexed 2025-11-24T13:13:32Z
last_indexed 2025-11-24T13:13:32Z
_version_ 1850846797085278208