Оценка качества обучающих множества для нейронных сетей в задачах сжатия данных без потер

Дана экспериментальная оценка качества обучающих множеств, сформированных из данных различных типов для нейронных сетей по критериям повторяемости и противоречивости. Сформулированы рекомендации по выбору параметров обучающего множества для нейросетевой модели в задачах сжатия данных без потерь....

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Datum:2008
Hauptverfasser: Иваськив, Ю.Л., Лещинский, О.Л., Левченко, В.В.
Format: Artikel
Sprache:Russisch
Veröffentlicht: Інститут проблем математичних машин і систем НАН України 2008
Schlagworte:
Online Zugang:https://nasplib.isofts.kiev.ua/handle/123456789/745
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:Оценка качества обучающих множеств для нейронных сетей в задачах сжатия данных без потерь / Иваськив Ю.Л., Лещинский О.Л., Левченко В.В. // Математические машины и системы. – 2008. – № 1. – С. 91 – 97.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine
Beschreibung
Zusammenfassung:Дана экспериментальная оценка качества обучающих множеств, сформированных из данных различных типов для нейронных сетей по критериям повторяемости и противоречивости. Сформулированы рекомендации по выбору параметров обучающего множества для нейросетевой модели в задачах сжатия данных без потерь. Табл.: 1. Ил.: 3. Библиогр.: 10 назв. Дано експериментальну оцінку якості навчальних множин, сформованих з даних різних типів для нейронних мереж за критеріями повторюваності та cуперечності. Сформульовані рекомендації з вибору параметрів навчальної множини для нейромережевої моделі в задачах стиснення даних без втрат. Табл.: 1. Іл.: 3. Бібліогр.: 10 назв. The experimental estimation of quality of the training sets, which are generated of data of various types for neural networks, by criteria of repeatability and discrepancy is given. Recommendations at the choice of parameters of training set for neural models in problems of lossless data compression are formulated. Tabl.: 1. Figs.: 3. Refs.: 10 titles.
ISSN:1028-9763