350 руб
Журнал «Нейрокомпьютеры: разработка, применение» №2 за 2014 г.
Статья в номере:
Нейросетевые методы решения задач кластерного анализа
Ключевые слова: кластерный анализ модель Курамото самоорганизующиеся карты Кохонена хаотические нейронные сети осцилляторные нейронные сети
Авторы:
А.В. Новиков - аспирант, Санкт-Петербургский государственный политехнический университет. E-mail: spb.andr@yandex.ru Е.Н. Бендерская - доцент, Санкт-Петербургский государственный политехнический университет. E-mail: helen.bend@gmail.com
Аннотация:
Представлены результаты исследования нейросетевых методов решения задач кластерного анализа. Исследованы три типа нейронных сетей: осцилляторная нейронная сеть на базе модели Курамото, самоорганизующиеся нейронные карты и хаотическая нейронная сеть. Обозначены основные проблемы предобработки входных и постобработки выходных данных.
Страницы: 48-53
Список источников

  1. Ultsch A. Clustering with SOM: U*C // Workshop on Self Organizing Feature Maps. 2005. Р. 31-37.
  2. Ultsch A. U*-Matrix: a Tool to visualize Clusters in high dimensional Data // Technical Report 36, CS Department, Philipps-University Marburg, Germany, 2004.
  3. Бендерская Е.Н., Жукова С.В. Осцилляторные нейронные сети с хаотической динамикой в задачах кластерного анализа // Нейрокомпьютеры: разработка, применение. 2011. № 7. С. 74-86.
  4. Казанович Я.Б., Шматченко В.В. Осцилляторные нейросетевые модели сегментации изображений и зрительного внимания // Науч. сессия МИФИ 2004. Ч. 1. Нейроинформатика 2004. Лекции по нейроинформатике. 2004. С. 15-68.
  5. Benderskaya E.N., Zhukova S.V. Fragmentary synchronization in chaotic neural network and data mining, Proceedings of 4th international conference on Hybrid artificial intelligence systems, Lecture Notes in Computer Science. 2009.  V. 5572. Springer-Verlag. P. 319-326.
  6. Bohn C., Plant C., Shao J., Yang Q. Clustering by synchronization // KDD - 10 Proceeding of the 16th ACM SIGKDD international conference of Knowledge discovery and data mining. 2010.P. 583-592.
  7. Cumin D., Unsworth C.P. Generalizing the Kuramoto Model for the Study of Neuronal Synchronisation in the Brain // Report University of Auckland School of Engineering. 638. 2006.
  8. Kohonen T. The Self-Organizing Map // Proceedings of the IEEE. 1990. V. 78. №. 9. P. 1464-1480.
  9. Kohonen T., Simula O., Visa A., Kangas J.Engineering Applications of the Self-Organizing Map // Proceeding of the IEEE. 1996. V. 84, № 10. P. 1358-1384.  
  10. Kuramoto Y. Chemical Oscillations Waves, and Turbulence / Springer-Verlag Berlin Neidelberg New York Tokyo: 1984. 157 p. .
  11. MiyanoT., TsutsuiT.DataSynchronizationasaMethodofDataMining // InternationalSymposiumonNonlinearTheoryanditsApplications. 2007.
  12. Sprott J.C.  Chaos and time-series analysis, Oxford University Press. 2003. P. 507.
  13. Ultshc A. Clustering with SOM: U*C // Workshop on Self Organizing Feature Maps. 2005. P. 31-37.
  14. Ultsch A.U*-Matrix: a Tool to visualize Clusters in high dimensional Data // Technical Report 36. CS Department. Philipps-UniversityMarburg. Germany. 2004.
  15. Кривоножко В.Е., Рожнов А.В., Лычев А.В. Построение гибридных интеллектуальных информационных сред и компонентов экспертных систем на основе обобщённой модели анализа среды функционирования // Нейрокомпьютеры: разработка, применение. 2013. № 6. С. 3-12.