350 руб
Журнал «Нейрокомпьютеры: разработка, применение» №7 за 2011 г.
Статья в номере:
Сходимость весов двухслойной линейной нейронной сети при построении оптимальных оценок случайных векторов
Ключевые слова: искусственная нейронная сеть прямое и косвенное обучение нейронной сети оптимальная линейная оценка случайные векторы
Авторы:
А.А. Сирота - д.т.н., профессор, кафедра информационных систем, Воронежский государственный университет. Email: sir@cs.vsu.ru Е.Ю. Митрофанова - аспирантка, кафедра информационных систем, Воронежский государственный университет. Email: mitrofanova_lena@bk.ru
Аннотация:
Рассмотрены возможности построения оптимальных в классе линейных оценок случайных процессов и полей на основе реализации процедур прямого и косвенного обучения двуслойных нейронных сетей по совокупности реализаций статистически связанных входных и выходных случайных векторов. Доказана теорема о сходимости весовых коэффициентов двуслойной линейной нейронной сети с сокращенным числом нейронов в скрытом слое к компонентам собственных векторов, получаемых при решении обобщенной задачи на собственные значения. Приведены результаты статистического имитационного моделирования на примере обработки случайных полей с заданной функцией корреляции.
Страницы: 39-48
Список источников
  1. Ватолин Д.Методы сжатия данных. М.: Диалог-Мифи. 2002.
  2. Назаров Л.Е.Применение искусственных нейронных сетей для сжатия РСА - и сканерных изображений земной поверхности // Исследование Земли из космоса. 1999. № 5. С.44-50.
  3. Хайкин С.Нейронные сети: полный курс. М.: Вильямс. 2005. 1104 с.
  4. Попов В.Г., Сирота А.А. Свойства сходимости весов автоассоциативной двуслойной линейной нейронной сети при постоении сжимающих отображений случайных //  Нейрокомпьютеры: разработка и применение. 2009. № 5. С. 3 - 11.
  5. Сирота А.А., Попов В.Г., Шульгин В.А. Обнаружение микроколебаний объектов на основе нейросетевых алгоритмов обработки данных голографического интерферометра. Изв. вузов. Радиоэлектроника. 2007. № 4. С. 31-41.
  6. Алгазинов Э.К., Сирота А.А. Анализ и компьютерное моделирование информационных процессов и систем. М.: Диалог-МИФИ. 2009. 416 с.
  7. Дрюченко М.А., Воронова Е.В., Сирота А.А. Восстановление регрессионных моделей случайных процессов и полей с использованием нейронных сетей // Вестник Воронежского гос. у-та серия Системный анализ и информационные технологии. 2010 № 1. С. 109 - 119.
  8. Андерсон Т.Введение в многомерный статистический анализ. Физматлит. 1963. 500 c.
  9. Фукунага К. Введение в статистическую теорию распознавания образов: Пер. с англ. М.: Наука. 1979. 368 с.
  10. Корн Г., Корн Т. Справочник по математике (для научных работников и инженеров). Наука. 1974. 832 с.
  11. Рао С.Р. Линейные статистические методы и их применения. М.: Наука. 1968. 548 с.
  12. Беллман Р. Введение в теорию матриц. М.:Наука. 1976. 368 с.