Н. Т. Абдуллаев – к.т.н., зав. кафедрой «Биомедицинская техника», Азербайджанский технический университет (г. Баку)
E-mail: a.namik46@mail.ru
К. Ш. Исмаилова – к.т.н., доцент, Азербайджанский государственный университет нефти и промышленности (г. Баку)
Рассмотрено использование модульной архитектуры, состоящей из небольших многослойных персептронов, для решения проблем принятия решения в электромиографии.
Показано, что такой подход приводит к обобщающему преимуществу для высокоразмерных входных векторов. Отмечено, что из-за независимости модулей на входном уровне легко выполняется параллельное обучение. Для оценки эффективности диагностической системы использованы значения критерия чувствительности и специфичности сети. Установлено, что для разных наборов данных в модульной архитектуре обучение намного эффективнее.
- Маунткасл В. Организующий принцип функции мозга – элементарный модуль и распределенная система / В кн. Эделмен Дж., Маунткасл В.Разумный мозг. М.: Мир. 1981.
- Дорогов А.Ю., Алексеев А.А., Буторин Д.А. Концепция структурного моделирования нейронных сетей // Известия ВУЗов. Сер. «Приборостроение». 1998. Т. 41. № 4. С. 36–41.
- Kohonen T., Barna G., Chrisley R. Statistical pattern recognition with neural networks: benchmarking studies // Proc. IEEE International Conference on Neural Networks. San Diego. 1988. P. 61–67.
- Mui L., Agarwal A., Gupta A., Wang P.Sh.-P. An adaptive modular neural network with application to unconstrained character recognition // International Journal of Pattern Recognition and Artificial Intelligence. 1994. V. 8. № 5. P. 1189–1204.
- Bellotti R., Castellano M., De Marzo C., Satalino G. Signal/background classification in a cosmic ray space experiment by a modular neural system // Proc. of the SPIE – The International Society for Optical Engineering. 1995. V. 2492. № pt.2. P. 1153–61.
- Boers E.J.W., Kuiper H. Biological metaphors and the design of modular artificial neural networks // Master’s thesis. Departments of Computer Science and Experimental and Theoretical Psychology at Leiden University, the Netherlands. 1992.
- Chiang Ch.-Ch., Fu H.-Ch. Divide-and-conquer methodology for modular supervised neural network design // Proc. of the 1994 IEEE International Conference on Neural Networks. Part 1 (of 7). Orlando, FL, USA. 1994. P. 119–124.
- Happel B.L.M., Murre J.M.J. Design and evolution of modular neural architectures // Neural Networks. V. 7. № 6/7. 1994. P. 985–1004.
- Ishikawa M. Learning of modular structured networks // Artificial Intelligence. 1995. V. 75. № 1. P. 51–62.
- Kim J., Ahn J., Kim Ch.S., Hwang H., Cho S. Multiple neural networks using the reduced input dimension // Proc. ICASSP – IEEE International Conference on Acoustics, Speech and Signal Processing. Piscataway, NJ, USA, 1994. V. 2. P. 601–604.
- Kimoto T., Asakawa K., Yoda M., Takeoka M. Stock market prediction system with modular neural networks // 1990 International Joint Conference on Neural Networks – IJCNN 90. Piscataway, NJ, USA. 1990. P. 1–6.
- Lu B.-L., Ito K., Kita H., Nishikawa Y. Parallel and modular multi-sieving neural network architecture for constructive learning // Proc. of the 4th International Conference on Artificial Neural Networks. Cambridge, UK. 1995. P. 92–97.
- Schmidt A., Bandar Z. A modular neural network architecture with additional generalization abilities for large input vectors // Third International Conference on Artificial Neural Networks and Genetic Algorithms (ICANNGA-97). Norwich, England. 1997.
- Тархов Д.А. Нейросетевые модели и алгоритмы. Справочник. М.: Радиотехника. 2014.