350 руб
Журнал «Нейрокомпьютеры: разработка, применение» №3 за 2017 г.
Статья в номере:
Сверточные нечеткие нейронные сети для решения классификационных задач
Ключевые слова: классификация нечеткая кластеризация нечеткие нейронные сети сверточные нейронные сети
Авторы:
К.П. Коршунова - аспирант, кафедра вычислительной техники, Национальный исследовательский университет «МЭИ», филиал в г. Смоленске E-mail: ksenya-kor@mail.ru
Аннотация:
Предложена разновидность сверточной нечеткой нейронной сети, используемой для классификации изображений объектов и сцен реального мира, которая помимо сверточных, субдискретизирующих (слоев подвыборки) и полносвязных слоев включает слой нечетких нейронов (слой нечеткой самоорганизации), расположенный непосредственно перед серией полносвязных слоев (классификатором). Показано, что модель сочетает возможности сверточных нейронных сетей и нечетких вычислений и обеспечивает таким образом возможность обработки неопределенной и неточной информации.
Страницы: 47-51
Список источников

 

  1. Fuler R. Neural fuzzy systems. Abo: Publishing House Abo Akademi University. 1995.
  2. Борисов В.В., Круглов В.В., Федулов А.С. Нечеткие модели и сети. М.: Горячая линия - Телеком. 2007. 287 с.
  3. Keller J.M., Hunt D.J. Incorporating fuzzy membership function into the perceptron algorithm // IEEE Transactions on Pattern Analysis and Machine Intelligence. 1985. V. 7. № 6. P. 693-699.
  4. Mitra S., Pal S. K. Fuzzy multi-layer perceptron, inferencing and rule generation // IEEE Transactions on Neural Networks. 1995. V. 6. P. 51-63.
  5. Mitra S., Pal S. K. Fuzzy self organization, inferencing and rule generation // IEEE Transactions on Systems, Man and Cybernetics, Part A: Systems and Humans. V. 26. P. 608-620.
  6. Pal S. K., Mitra S. Multilayer perceptron, fuzzy sets and classification // IEEE Transactions on Neural Networks. 1992. V. 3. № 5. P. 683-697.
  7. Le Cun Y., Boser B., Denker J.S., Henderson D., Howard R.E., Hubbard w., Jackel L.D. Handwritten Digit Recognition with a Back-Propagation Network // Advances in Neural Information Processing Systems 2 (NIPS). 1989. P. 396-404.
  8. Le Cun Y., Bottou L., Bengio Y., Haffner P. Gradient-Based Learning Applied to Document Recognition // Proceedings of the IEEE. 1998. V. 86(11). P. 2278-2324.
  9. Сверточная нейронная сеть [Электронный ресурс] / Википедия - свободная энциклопедия. Электрон. текстовые дан. Режим доступа: https://ru.wikipedia.org/wiki/Сверточная_нейронная_сеть, свободный. - Дата обращения: 05.04.2017.
  10. Аведьян Э.Д., Галушкин А.И., Селиванов С.А. Сравнительный анализ структур полносвязных и сверточных нейронных сетей и их алгоритмов обучения // Информатизация и связь. 2017. № 1. С. 18-30.
  11. Model Zoo [Электронный ресурс] / BVLC/caffe Wiki - Режим доступа: https://github.com/BVLC/caffe/wiki/Model-Zoo, свободный. - Дата обращения: 06.04.2017.
  12. Осовский С. Нейронные сети для обработки информации: Пер. с польск. И.Д. Рудинского. М.: Финансы и статистика. 2002. 344 с.