Анализ свойств и критерии сравнения нейросетевых моделей для решения задач диагностики и распознавания образов
Предложен комплекс критериев, позволяющих численно оценивать свойства нейронных и нейро-нечетких сетей: пластичность, однородность, параллелизм вычислений, иерархичность, предорганизацию в обучении, функциональную блочность, обобщение, обучаемость, интерпретабельность, надежность, распределенность п...
Saved in:
| Published in: | Реєстрація, зберігання і обробка даних |
|---|---|
| Date: | 2009 |
| Main Author: | |
| Format: | Article |
| Language: | Russian |
| Published: |
Інститут проблем реєстрації інформації НАН України
2009
|
| Subjects: | |
| Online Access: | https://nasplib.isofts.kiev.ua/handle/123456789/50390 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Cite this: | Анализ свойств и критерии сравнения нейросетевых моделей для решения задач диагностики и распознавания образов / С.А. Субботин // Реєстрація, зберігання і обробка даних. — 2009. — Т. 11, № 3. — С. 42-52. — Бібліогр.: 7 назв. — pос. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1862561375114493952 |
|---|---|
| author | Субботин, С.А. |
| author_facet | Субботин, С.А. |
| citation_txt | Анализ свойств и критерии сравнения нейросетевых моделей для решения задач диагностики и распознавания образов / С.А. Субботин // Реєстрація, зберігання і обробка даних. — 2009. — Т. 11, № 3. — С. 42-52. — Бібліогр.: 7 назв. — pос. |
| collection | DSpace DC |
| container_title | Реєстрація, зберігання і обробка даних |
| description | Предложен комплекс критериев, позволяющих численно оценивать свойства нейронных и нейро-нечетких сетей: пластичность, однородность, параллелизм вычислений, иерархичность, предорганизацию в обучении, функциональную блочность, обобщение, обучаемость, интерпретабельность, надежность, распределенность памяти, вариативность моделей, эффективность. Применение предложенных критериев на практике позволяет автоматизировать процесс построения нейросетевых моделей для решения задач диагностики и распознавания образов.
Запропоновано комплекс критеріїв, що дозволяють чисельно оцінювати властивості нейронних і нейро-нечітких мереж: пластичність, однорідність, паралелізм обчислень, ієрархічність, попередню організацію в навчанні, функціональну блочність, узагальнення, навченість, інтерпретабельність, надійність, розподіленість пам’яті, варіативність моделей, ефективність. Застосування запропонованих критеріїв на практиці дозволяє автоматизувати процес побудови нейромережних моделей для вирішення завдань діагностики та розпізнавання образів.
The set of criteria for numerical estimation of neural and neuro-fuzzy network properties is proposed. It allows to estimate flexibility, uniformity, computation parallelism, hierarchy, preliminary organization in training, functional modularity, generalization, trainability, interpretability, reliability, memory distribution, model variability, and effectiveness. Applying the proposed criteria in practice allows to automate the process of neural-network model building for solving diagnostics and pattern recognition problems.
|
| first_indexed | 2025-11-25T23:24:46Z |
| format | Article |
| fulltext | |
| id | nasplib_isofts_kiev_ua-123456789-50390 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 1560-9189 |
| language | Russian |
| last_indexed | 2025-11-25T23:24:46Z |
| publishDate | 2009 |
| publisher | Інститут проблем реєстрації інформації НАН України |
| record_format | dspace |
| spelling | Субботин, С.А. 2013-10-16T22:10:24Z 2013-10-16T22:10:24Z 2009 Анализ свойств и критерии сравнения нейросетевых моделей для решения задач диагностики и распознавания образов / С.А. Субботин // Реєстрація, зберігання і обробка даних. — 2009. — Т. 11, № 3. — С. 42-52. — Бібліогр.: 7 назв. — pос. 1560-9189 https://nasplib.isofts.kiev.ua/handle/123456789/50390 004.93 Предложен комплекс критериев, позволяющих численно оценивать свойства нейронных и нейро-нечетких сетей: пластичность, однородность, параллелизм вычислений, иерархичность, предорганизацию в обучении, функциональную блочность, обобщение, обучаемость, интерпретабельность, надежность, распределенность памяти, вариативность моделей, эффективность. Применение предложенных критериев на практике позволяет автоматизировать процесс построения нейросетевых моделей для решения задач диагностики и распознавания образов. Запропоновано комплекс критеріїв, що дозволяють чисельно оцінювати властивості нейронних і нейро-нечітких мереж: пластичність, однорідність, паралелізм обчислень, ієрархічність, попередню організацію в навчанні, функціональну блочність, узагальнення, навченість, інтерпретабельність, надійність, розподіленість пам’яті, варіативність моделей, ефективність. Застосування запропонованих критеріїв на практиці дозволяє автоматизувати процес побудови нейромережних моделей для вирішення завдань діагностики та розпізнавання образів. The set of criteria for numerical estimation of neural and neuro-fuzzy network properties is proposed. It allows to estimate flexibility, uniformity, computation parallelism, hierarchy, preliminary organization in training, functional modularity, generalization, trainability, interpretability, reliability, memory distribution, model variability, and effectiveness. Applying the proposed criteria in practice allows to automate the process of neural-network model building for solving diagnostics and pattern recognition problems. Работа выполнена как часть госбюджетной темы Запорожского национального технического университета «Информационные технологии автоматизации распознавания образов и принятия решений для диагностики в условиях неопределенности на основе гибридных нечеткологических, нейросетевых и мультиагентных методов вычислительного интеллекта». ru Інститут проблем реєстрації інформації НАН України Реєстрація, зберігання і обробка даних Технічні засоби отримання і обробки даних Анализ свойств и критерии сравнения нейросетевых моделей для решения задач диагностики и распознавания образов Аналіз властивостей і критерії порівняння нейромережних моделей для вирішення завдань діагностики та розпізнавання образів Neural-Network Property Analysis and Comparison Criteria for Solving Diagnostics and Pattern Recognition Problems Article published earlier |
| spellingShingle | Анализ свойств и критерии сравнения нейросетевых моделей для решения задач диагностики и распознавания образов Субботин, С.А. Технічні засоби отримання і обробки даних |
| title | Анализ свойств и критерии сравнения нейросетевых моделей для решения задач диагностики и распознавания образов |
| title_alt | Аналіз властивостей і критерії порівняння нейромережних моделей для вирішення завдань діагностики та розпізнавання образів Neural-Network Property Analysis and Comparison Criteria for Solving Diagnostics and Pattern Recognition Problems |
| title_full | Анализ свойств и критерии сравнения нейросетевых моделей для решения задач диагностики и распознавания образов |
| title_fullStr | Анализ свойств и критерии сравнения нейросетевых моделей для решения задач диагностики и распознавания образов |
| title_full_unstemmed | Анализ свойств и критерии сравнения нейросетевых моделей для решения задач диагностики и распознавания образов |
| title_short | Анализ свойств и критерии сравнения нейросетевых моделей для решения задач диагностики и распознавания образов |
| title_sort | анализ свойств и критерии сравнения нейросетевых моделей для решения задач диагностики и распознавания образов |
| topic | Технічні засоби отримання і обробки даних |
| topic_facet | Технічні засоби отримання і обробки даних |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/50390 |
| work_keys_str_mv | AT subbotinsa analizsvoistvikriteriisravneniâneirosetevyhmodeleidlârešeniâzadačdiagnostikiiraspoznavaniâobrazov AT subbotinsa analízvlastivosteiíkriterííporívnânnâneiromerežnihmodeleidlâviríšennâzavdanʹdíagnostikitarozpíznavannâobrazív AT subbotinsa neuralnetworkpropertyanalysisandcomparisoncriteriaforsolvingdiagnosticsandpatternrecognitionproblems |