М-обучение радиально-базисных сетей с использованием асимметричных функций влияния
Розглянуто робастний підхід до навчання радіально-базисних мереж за наявності завад вимірювань, що мають несиметричні розподілення. Для мінімізації запропонованих асиметричних функціоналів використовуються алгоритми Гаусса–Ньютона і Левенберга–Марквардта. Оцінювання параметрів завад здійснюється за...
Gespeichert in:
| Veröffentlicht in: | Проблемы управления и информатики |
|---|---|
| Datum: | 2012 |
| Hauptverfasser: | , |
| Format: | Artikel |
| Sprache: | Russian |
| Veröffentlicht: |
Інститут кібернетики ім. В.М. Глушкова НАН України
2012
|
| Schlagworte: | |
| Online Zugang: | https://nasplib.isofts.kiev.ua/handle/123456789/207450 |
| 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: | М-обучение радиально-базисных сетей с использованием асимметричных функций влияния / О.Г. Руденко, А.А. Бессонов // Проблемы управления и информатики. — 2012. — № 1. — С. 79–93. — Бібліогр.: 28 назв. - рос. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| id |
nasplib_isofts_kiev_ua-123456789-207450 |
|---|---|
| record_format |
dspace |
| spelling |
Руденко, О.Г. Бессонов, А.А. 2025-10-07T16:35:32Z 2012 М-обучение радиально-базисных сетей с использованием асимметричных функций влияния / О.Г. Руденко, А.А. Бессонов // Проблемы управления и информатики. — 2012. — № 1. — С. 79–93. — Бібліогр.: 28 назв. - рос. 0572-2691 https://nasplib.isofts.kiev.ua/handle/123456789/207450 519.71 10.1615/JAutomatInfScien.v44.i2.50 Розглянуто робастний підхід до навчання радіально-базисних мереж за наявності завад вимірювань, що мають несиметричні розподілення. Для мінімізації запропонованих асиметричних функціоналів використовуються алгоритми Гаусса–Ньютона і Левенберга–Марквардта. Оцінювання параметрів завад здійснюється за допомогою алгоритму стохастичної апроксимації. Наведено результати моделювання, що підтверджують ефективність запропонованого підходу. A robust approach to training radial basis networks in the presence of noise measurements with asymmetric distributions is considered. To minimize the proposed asymmetric functionals, Gauss–Newton and Levenberg–Marquardt algorithms are used. The estimation of interference parameters is performed using a stochastic approximation algorithm. The simulation results confirm the effectiveness of the proposed approach. ru Інститут кібернетики ім. В.М. Глушкова НАН України Проблемы управления и информатики Методы обработки информации М-обучение радиально-базисных сетей с использованием асимметричных функций влияния М-навчання радіально-базисних мереж з використанням асиметричних функцій впливу M-Training of Radial Basis Networks Using Asymmetric Influence Functions Article published earlier |
| institution |
Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| collection |
DSpace DC |
| title |
М-обучение радиально-базисных сетей с использованием асимметричных функций влияния |
| spellingShingle |
М-обучение радиально-базисных сетей с использованием асимметричных функций влияния Руденко, О.Г. Бессонов, А.А. Методы обработки информации |
| title_short |
М-обучение радиально-базисных сетей с использованием асимметричных функций влияния |
| title_full |
М-обучение радиально-базисных сетей с использованием асимметричных функций влияния |
| title_fullStr |
М-обучение радиально-базисных сетей с использованием асимметричных функций влияния |
| title_full_unstemmed |
М-обучение радиально-базисных сетей с использованием асимметричных функций влияния |
| title_sort |
м-обучение радиально-базисных сетей с использованием асимметричных функций влияния |
| author |
Руденко, О.Г. Бессонов, А.А. |
| author_facet |
Руденко, О.Г. Бессонов, А.А. |
| topic |
Методы обработки информации |
| topic_facet |
Методы обработки информации |
| publishDate |
2012 |
| language |
Russian |
| container_title |
Проблемы управления и информатики |
| publisher |
Інститут кібернетики ім. В.М. Глушкова НАН України |
| format |
Article |
| title_alt |
М-навчання радіально-базисних мереж з використанням асиметричних функцій впливу M-Training of Radial Basis Networks Using Asymmetric Influence Functions |
| description |
Розглянуто робастний підхід до навчання радіально-базисних мереж за наявності завад вимірювань, що мають несиметричні розподілення. Для мінімізації запропонованих асиметричних функціоналів використовуються алгоритми Гаусса–Ньютона і Левенберга–Марквардта. Оцінювання параметрів завад здійснюється за допомогою алгоритму стохастичної апроксимації. Наведено результати моделювання, що підтверджують ефективність запропонованого підходу.
A robust approach to training radial basis networks in the presence of noise measurements with asymmetric distributions is considered. To minimize the proposed asymmetric functionals, Gauss–Newton and Levenberg–Marquardt algorithms are used. The estimation of interference parameters is performed using a stochastic approximation algorithm. The simulation results confirm the effectiveness of the proposed approach.
|
| issn |
0572-2691 |
| url |
https://nasplib.isofts.kiev.ua/handle/123456789/207450 |
| citation_txt |
М-обучение радиально-базисных сетей с использованием асимметричных функций влияния / О.Г. Руденко, А.А. Бессонов // Проблемы управления и информатики. — 2012. — № 1. — С. 79–93. — Бібліогр.: 28 назв. - рос. |
| work_keys_str_mv |
AT rudenkoog mobučenieradialʹnobazisnyhseteisispolʹzovaniemasimmetričnyhfunkciivliâniâ AT bessonovaa mobučenieradialʹnobazisnyhseteisispolʹzovaniemasimmetričnyhfunkciivliâniâ AT rudenkoog mnavčannâradíalʹnobazisnihmerežzvikoristannâmasimetričnihfunkcíivplivu AT bessonovaa mnavčannâradíalʹnobazisnihmerežzvikoristannâmasimetričnihfunkcíivplivu AT rudenkoog mtrainingofradialbasisnetworksusingasymmetricinfluencefunctions AT bessonovaa mtrainingofradialbasisnetworksusingasymmetricinfluencefunctions |
| first_indexed |
2025-12-07T17:09:44Z |
| last_indexed |
2025-12-07T17:09:44Z |
| _version_ |
1850870212126048256 |