LOGIN TO YOUR ACCOUNT

Username
Password
Remember Me
Or use your Academic/Social account:

CREATE AN ACCOUNT

Or use your Academic/Social account:

Congratulations!

You have just completed your registration at OpenAire.

Before you can login to the site, you will need to activate your account. An e-mail will be sent to you with the proper instructions.

Important!

Please note that this site is currently undergoing Beta testing.
Any new content you create is not guaranteed to be present to the final version of the site upon release.

Thank you for your patience,
OpenAire Dev Team.

Close This Message

CREATE AN ACCOUNT

Name:
Username:
Password:
Verify Password:
E-mail:
Verify E-mail:
*All Fields Are Required.
Please Verify You Are Human:
fbtwitterlinkedinvimeoflicker grey 14rssslideshare1
Печурін, М. К.; Національний авіаційний університет; Кондратова, Л. П.; НТУУ "Київський політехнічний університет"; Печурін, С. М.; НТУУ "Київський політехнічний університет" (2010)
Publisher: Національний авіаційний університет
Languages: Ukrainian
Types: Unknown
Subjects: 004.032.26 [УДК 515.124.5], 004.032.26 [UDC 515.124.5]
У статті оцінюється можливість застосування алгоритмів класифікації на основе апарату штучних нейронних мереж (ШНМ) типів MLP і RBF для формування (перевірки ефективності існуючого)  набору і складу рівнів еталонної моделі (ЕМ) взаємодії відкритих систем. Критерії класифікації характеризують відношення сумарного відхилення оцінок функцій в сусідніх таксонах до вказаної величини і максимального значення відхилення оцінок функцій в несусідніх таксонах. Формування кортежа таксонів функцій ЕМ з найкращим значенням відношення критеріїв меншим числом ітерацій навчання гарантується з використанням ШНМ типу MLP В статье оценивается возможность применения алгоритмов классификации на основе аппарата искуственных нейронных сетей (ИНС) типов MLP и RBF для формирования (проверки эффективности существующего) набора и состава уровней эталонной модели (ЭМ) взаимодействия открытых систем. Критерии классификации характеризуют отношения суммарного отклонения оценок функций в соседних таксонах к указанной величине и максимальному значению отклонения оценок функций в несоседних таксонах. Формирование кортежа таксонов функций ЭМ с наилучшим значением отношения критериев меньшим числом итераций обучения гарантируется с использованием ИНС типа MLP In this article there is estimated the possibility to apply the algorithms of the classification on using the vehicle of MLP and RBF type artificial neural networks (ANN) to form (verify the efficiency of existing) set and composition of the standard open systems co-operation model (SM) levels. The criteria of classification characterize the relations of total rejection of function estimations in nearby taxons to the indicated size and maximal rejection value of functions estimations in no-nearby taxons. The forming of SM functions taxon cortege with the best criteria relation value  by the less number of teaching iterations is guaranteed with using MLP type ANN
  • No references.
  • No related research data.
  • No similar publications.