Самообучающаяся каскадная спайк-нейронная сеть для нечеткой кластеризации на основе метода группового учета аргументов
Розглянуто задачу нечіткого кластерування даних за умов наявності класів, що перетинаються. Для розв’язання задачі введено архітектуру та алгоритм навчання нечіткої спайк-нейронної мережі, що узагальнює нейронні мережі третього покоління, які нині інтенсивно розвиваються і мають низку переваг над тр...
Gespeichert in:
| Veröffentlicht in: | Проблемы управления и информатики |
|---|---|
| Datum: | 2013 |
| Hauptverfasser: | , , |
| Format: | Artikel |
| Sprache: | Russian |
| Veröffentlicht: |
Інститут кібернетики ім. В.М. Глушкова НАН України
2013
|
| Online Zugang: | https://nasplib.isofts.kiev.ua/handle/123456789/207597 |
| 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: | Самообучающаяся каскадная спайк-нейронная сеть для нечеткой кластеризации на основе метода группового учета аргументов / Е.В. Бодянский, Е.А. Винокурова, А.И. Долотов // Проблемы управления и информатики. — 2013. — № 2. — С. 25–34. — Бібліогр.: 20 назв. — рос. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| id |
nasplib_isofts_kiev_ua-123456789-207597 |
|---|---|
| record_format |
dspace |
| spelling |
Бодянский, Е.В. Винокурова, Е.А. Долотов, А.И. 2025-10-10T10:16:39Z 2013 Самообучающаяся каскадная спайк-нейронная сеть для нечеткой кластеризации на основе метода группового учета аргументов / Е.В. Бодянский, Е.А. Винокурова, А.И. Долотов // Проблемы управления и информатики. — 2013. — № 2. — С. 25–34. — Бібліогр.: 20 назв. — рос. 0572-2691 https://nasplib.isofts.kiev.ua/handle/123456789/207597 004.8:004.032.26 10.1615/JAutomatInfScien.v45.i3.30 Розглянуто задачу нечіткого кластерування даних за умов наявності класів, що перетинаються. Для розв’язання задачі введено архітектуру та алгоритм навчання нечіткої спайк-нейронної мережі, що узагальнює нейронні мережі третього покоління, які нині інтенсивно розвиваються і мають низку переваг над традиційними системами обчислювального інтелекту. Спайк-нейрон описано як нелінійну динамічну систему, що спрощує його апаратну реалізацію. Для задач з високою вимірністю вхідних векторів-образів запропоновано використовувати гібридну архітектуру, яка ґрунтується на поєднанні каскадної та МГУА-нейронних мереж із самонавчальними спайк-нейронними мережами як вузлами та забезпечує підвищену швидкість оброблення інформації. Fuzzy clustering task under condition of overlapping classes is considered. To solve the task, the paper introduces architecture and learning algorithm of fuzzy spiking neural network generalizing neural networks of the third generation that are intensively developing recently and have some advantages as compared to conventional computational intelligence systems. The spiking neuron is described as a nonlinear dynamic system that simplifies its hardware implementation. Hybrid architecture is proposed that is based on combining cascade and GMDH neural networks with self-learning spiking neural networks utilized as nodes and ensures rapid information processing. ru Інститут кібернетики ім. В.М. Глушкова НАН України Проблемы управления и информатики Самообучающаяся каскадная спайк-нейронная сеть для нечеткой кластеризации на основе метода группового учета аргументов Самонавчальна каскадна спайк-нейронна мережа для нечіткої кластеризації на основі методу групового урахування аргументів Self-Learning Cascade Spiking Neural Network for Fuzzy Clustering Based on Group Method of Data Handling Article published earlier |
| institution |
Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| collection |
DSpace DC |
| title |
Самообучающаяся каскадная спайк-нейронная сеть для нечеткой кластеризации на основе метода группового учета аргументов |
| spellingShingle |
Самообучающаяся каскадная спайк-нейронная сеть для нечеткой кластеризации на основе метода группового учета аргументов Бодянский, Е.В. Винокурова, Е.А. Долотов, А.И. |
| title_short |
Самообучающаяся каскадная спайк-нейронная сеть для нечеткой кластеризации на основе метода группового учета аргументов |
| title_full |
Самообучающаяся каскадная спайк-нейронная сеть для нечеткой кластеризации на основе метода группового учета аргументов |
| title_fullStr |
Самообучающаяся каскадная спайк-нейронная сеть для нечеткой кластеризации на основе метода группового учета аргументов |
| title_full_unstemmed |
Самообучающаяся каскадная спайк-нейронная сеть для нечеткой кластеризации на основе метода группового учета аргументов |
| title_sort |
самообучающаяся каскадная спайк-нейронная сеть для нечеткой кластеризации на основе метода группового учета аргументов |
| author |
Бодянский, Е.В. Винокурова, Е.А. Долотов, А.И. |
| author_facet |
Бодянский, Е.В. Винокурова, Е.А. Долотов, А.И. |
| publishDate |
2013 |
| language |
Russian |
| container_title |
Проблемы управления и информатики |
| publisher |
Інститут кібернетики ім. В.М. Глушкова НАН України |
| format |
Article |
| title_alt |
Самонавчальна каскадна спайк-нейронна мережа для нечіткої кластеризації на основі методу групового урахування аргументів Self-Learning Cascade Spiking Neural Network for Fuzzy Clustering Based on Group Method of Data Handling |
| description |
Розглянуто задачу нечіткого кластерування даних за умов наявності класів, що перетинаються. Для розв’язання задачі введено архітектуру та алгоритм навчання нечіткої спайк-нейронної мережі, що узагальнює нейронні мережі третього покоління, які нині інтенсивно розвиваються і мають низку переваг над традиційними системами обчислювального інтелекту. Спайк-нейрон описано як нелінійну динамічну систему, що спрощує його апаратну реалізацію. Для задач з високою вимірністю вхідних векторів-образів запропоновано використовувати гібридну архітектуру, яка ґрунтується на поєднанні каскадної та МГУА-нейронних мереж із самонавчальними спайк-нейронними мережами як вузлами та забезпечує підвищену швидкість оброблення інформації.
Fuzzy clustering task under condition of overlapping classes is considered. To solve the task, the paper introduces architecture and learning algorithm of fuzzy spiking neural network generalizing neural networks of the third generation that are intensively developing recently and have some advantages as compared to conventional computational intelligence systems. The spiking neuron is described as a nonlinear dynamic system that simplifies its hardware implementation. Hybrid architecture is proposed that is based on combining cascade and GMDH neural networks with self-learning spiking neural networks utilized as nodes and ensures rapid information processing.
|
| issn |
0572-2691 |
| url |
https://nasplib.isofts.kiev.ua/handle/123456789/207597 |
| citation_txt |
Самообучающаяся каскадная спайк-нейронная сеть для нечеткой кластеризации на основе метода группового учета аргументов / Е.В. Бодянский, Е.А. Винокурова, А.И. Долотов // Проблемы управления и информатики. — 2013. — № 2. — С. 25–34. — Бібліогр.: 20 назв. — рос. |
| work_keys_str_mv |
AT bodânskiiev samoobučaûŝaâsâkaskadnaâspaikneironnaâsetʹdlânečetkoiklasterizaciinaosnovemetodagruppovogoučetaargumentov AT vinokurovaea samoobučaûŝaâsâkaskadnaâspaikneironnaâsetʹdlânečetkoiklasterizaciinaosnovemetodagruppovogoučetaargumentov AT dolotovai samoobučaûŝaâsâkaskadnaâspaikneironnaâsetʹdlânečetkoiklasterizaciinaosnovemetodagruppovogoučetaargumentov AT bodânskiiev samonavčalʹnakaskadnaspaikneironnamerežadlânečítkoíklasterizacíínaosnovímetodugrupovogourahuvannâargumentív AT vinokurovaea samonavčalʹnakaskadnaspaikneironnamerežadlânečítkoíklasterizacíínaosnovímetodugrupovogourahuvannâargumentív AT dolotovai samonavčalʹnakaskadnaspaikneironnamerežadlânečítkoíklasterizacíínaosnovímetodugrupovogourahuvannâargumentív AT bodânskiiev selflearningcascadespikingneuralnetworkforfuzzyclusteringbasedongroupmethodofdatahandling AT vinokurovaea selflearningcascadespikingneuralnetworkforfuzzyclusteringbasedongroupmethodofdatahandling AT dolotovai selflearningcascadespikingneuralnetworkforfuzzyclusteringbasedongroupmethodofdatahandling |
| first_indexed |
2025-12-07T18:23:04Z |
| last_indexed |
2025-12-07T18:23:04Z |
| _version_ |
1850874826095329280 |