Многокритериальная оптимизация эволюционирующих сетей прямого распространения
Запропоновано використання багатокритерійного підходу до навчання нейронних мереж прямого розповсюдження, що еволюціонують. Розглянуто загальну структуру таких мереж. Проведено порівняльний аналіз одноцільового, скаляризованого багатокритерійного навчання та багатокритерійного навчання за Парето. Ім...
Збережено в:
| Опубліковано в: : | Проблемы управления и информатики |
|---|---|
| Дата: | 2014 |
| Автори: | , |
| Формат: | Стаття |
| Мова: | Російська |
| Опубліковано: |
Інститут кібернетики ім. В.М. Глушкова НАН України
2014
|
| Теми: | |
| Онлайн доступ: | https://nasplib.isofts.kiev.ua/handle/123456789/207858 |
| 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: | Многокритериальная оптимизация эволюционирующих сетей прямого распространения / О.Г. Руденко, А.А. Бессонов // Проблемы управления и информатики. — 2014. — № 6. — С. 29-41. — Бібліогр.: 26 назв. — рос. |
Репозитарії
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1862579771630682112 |
|---|---|
| author | Руденко, О.Г. Бессонов, А.А. |
| author_facet | Руденко, О.Г. Бессонов, А.А. |
| citation_txt | Многокритериальная оптимизация эволюционирующих сетей прямого распространения / О.Г. Руденко, А.А. Бессонов // Проблемы управления и информатики. — 2014. — № 6. — С. 29-41. — Бібліогр.: 26 назв. — рос. |
| collection | DSpace DC |
| container_title | Проблемы управления и информатики |
| description | Запропоновано використання багатокритерійного підходу до навчання нейронних мереж прямого розповсюдження, що еволюціонують. Розглянуто загальну структуру таких мереж. Проведено порівняльний аналіз одноцільового, скаляризованого багатокритерійного навчання та багатокритерійного навчання за Парето. Імітаційне моделювання за наявністю завад вимірювань з різними законами розподілу підтвердило ефективність запропонованого підходу.
It is proposed to utilize multicriteria approach to training evolutionary feedforward neural networks. The general structure of such neural networks is considered. A comparative analysis of single-objective, scalarized multiobjective learning and Paretobased multiobjective learning is performed. Simulation with the presence of noisy measurements with different distribution laws has confirmed the effectiveness of the suggested approach.
|
| first_indexed | 2025-11-26T19:49:50Z |
| format | Article |
| fulltext | |
| id | nasplib_isofts_kiev_ua-123456789-207858 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 0572-2691 |
| language | Russian |
| last_indexed | 2025-11-26T19:49:50Z |
| publishDate | 2014 |
| publisher | Інститут кібернетики ім. В.М. Глушкова НАН України |
| record_format | dspace |
| spelling | Руденко, О.Г. Бессонов, А.А. 2025-10-14T16:21:19Z 2014 Многокритериальная оптимизация эволюционирующих сетей прямого распространения / О.Г. Руденко, А.А. Бессонов // Проблемы управления и информатики. — 2014. — № 6. — С. 29-41. — Бібліогр.: 26 назв. — рос. 0572-2691 https://nasplib.isofts.kiev.ua/handle/123456789/207858 519.71 10.1615/JAutomatInfScien.v46.i11.20 Запропоновано використання багатокритерійного підходу до навчання нейронних мереж прямого розповсюдження, що еволюціонують. Розглянуто загальну структуру таких мереж. Проведено порівняльний аналіз одноцільового, скаляризованого багатокритерійного навчання та багатокритерійного навчання за Парето. Імітаційне моделювання за наявністю завад вимірювань з різними законами розподілу підтвердило ефективність запропонованого підходу. It is proposed to utilize multicriteria approach to training evolutionary feedforward neural networks. The general structure of such neural networks is considered. A comparative analysis of single-objective, scalarized multiobjective learning and Paretobased multiobjective learning is performed. Simulation with the presence of noisy measurements with different distribution laws has confirmed the effectiveness of the suggested approach. ru Інститут кібернетики ім. В.М. Глушкова НАН України Проблемы управления и информатики Оптимальное управление и методы оптимизации Многокритериальная оптимизация эволюционирующих сетей прямого распространения Багатокритеріальна оптимізація еволюціонуючих мереж прямого поширення Multiobjective optimization of evolving feedforward neural networks Article published earlier |
| spellingShingle | Многокритериальная оптимизация эволюционирующих сетей прямого распространения Руденко, О.Г. Бессонов, А.А. Оптимальное управление и методы оптимизации |
| title | Многокритериальная оптимизация эволюционирующих сетей прямого распространения |
| title_alt | Багатокритеріальна оптимізація еволюціонуючих мереж прямого поширення Multiobjective optimization of evolving feedforward neural networks |
| title_full | Многокритериальная оптимизация эволюционирующих сетей прямого распространения |
| title_fullStr | Многокритериальная оптимизация эволюционирующих сетей прямого распространения |
| title_full_unstemmed | Многокритериальная оптимизация эволюционирующих сетей прямого распространения |
| title_short | Многокритериальная оптимизация эволюционирующих сетей прямого распространения |
| title_sort | многокритериальная оптимизация эволюционирующих сетей прямого распространения |
| topic | Оптимальное управление и методы оптимизации |
| topic_facet | Оптимальное управление и методы оптимизации |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/207858 |
| work_keys_str_mv | AT rudenkoog mnogokriterialʹnaâoptimizaciâévolûcioniruûŝihseteiprâmogorasprostraneniâ AT bessonovaa mnogokriterialʹnaâoptimizaciâévolûcioniruûŝihseteiprâmogorasprostraneniâ AT rudenkoog bagatokriteríalʹnaoptimízacíâevolûcíonuûčihmerežprâmogopoširennâ AT bessonovaa bagatokriteríalʹnaoptimízacíâevolûcíonuûčihmerežprâmogopoširennâ AT rudenkoog multiobjectiveoptimizationofevolvingfeedforwardneuralnetworks AT bessonovaa multiobjectiveoptimizationofevolvingfeedforwardneuralnetworks |