Математические модели нейросетевых и статистических обнаружителей сигналов
- 1 д. т. н., проф. кафедры технической кибернетики и автоматического регулирования факультета прикладной математики, информатики и механики Воронежского государственного университета
- 2 аспирантка кафедры технической кибернетики и автоматического регулирования факультета прикладной математики, информатики и механики Воронежского государственного университета
Ключевые слова:
обнаружение сигналовметод Байесанейросетевые алгоритмыобучениемоделированиесравнительный анализ
Аннотация
Рассмотрено математическое моделирование обнаружителей сигналов, использующих алгоритмы Байеса, Хемминга, Кохонена, двухслойного персептрона и нейронной сети РБФ. Предложен алгоритм эффективного обучения нейронной сети РБФ. Представлены результаты вычислительного эксперимента. Проведен сравнительный анализ качества обнаружения сигналов рассмотренными методами.
Для цитирования
Новикова Н.М., Ляликова В.Г. Математические модели нейросетевых и статистических обнаружителей сигналов // Нейрокомпьютеры: разработка, применение. 2010. № 4. С. 62–68.
Список источников
- Перов А. И., Соколов Г. Г. Особенности синтеза устройств обнаружения и оценки параметров сигнала нейросетевыми методами // Радиотехника. 2001. № 7. С. 22-29.
- Татузов А. Л.Методы обучения нейронных сетей для решения задач обнаружения целей // Нейрокомпьютеры: разработка и применение. 2004. № 4. С. 56-67.
- Митрофанов Д. Г., Сафонов А. В., Прохоркин А. Г. Моделирование задачи распознавания целей по их радиолокационным изображениям нейросетевым способом // Радиотехника. 2007. № 2. С. 3-9.
- Левин Б. Р.Теоретические основы статистической радиотехники // М.: Радио и связь. 1989.
- Круглов В. В., Борисов В. В. Искусственные нейронные сети. Теория и практика. М.: Горячая линия - Телеком. 2002.
- Круглов В. В., Дли М. И., Голунов Р. Ю. Нечеткая логика и искусственные нейронные сети. М.: Физматлит. 2001.