Критерий определения минимального набора базисов для искусственной нейронной сети с радиальными базисными функциями

М.А. Абросимов; А.В. Бровко

Критерий определения минимального набора базисов для искусственной нейронной сети с радиальными базисными функциями

научная статья УДК 004.931, 621.372 Страницы: 50-54

¹ аспирант, кафедра «Информационная безопасность автоматизированных систем», Саратовский государственный технический университет имени Гагарина Ю.А
² д.ф.-м.н., доцент, профессор, кафедра «Прикладные информационные технологии», Саратовский государственный технический университет имени Гагарина Ю.А

Ключевые слова: искусственная нейронная сеть алгоритм обучения нейронной сети теорема кронекера-капелли базисы нейронной сети

Аннотация

Рассмотрена проблема выбора базисов для искусственной нейронной сети радиально-базисных функций. Приведен вывод критерия определения достаточного количества базисов. Представлены результаты численного тестирования, которые показывают возможность значительного ускорения обучения искусственной нейронной сети за счет сокращения количества базисов без потери информации в скрытом слое нейронов.

Для цитирования

Абросимов М.А., Бровко А.В. Критерий определения минимального набора базисов для искусственной нейронной сети с радиальными базисными функциями // Нейрокомпьютеры: разработка, применение. 2018. № 3. С. 50–54.

Список источников

Brovko A.V., Murphy E.K., and Yakovlev V.V. Waveguide microwave imaging: neural network reconstruction of functional 2-D permittivity profiles // IEEE Transactions on Microwave Theory and Techniques. 2009. V. 57. № 2. Р. 406−414.
Бровко А.В. Метод определения трехмерного профиля диэлектрической проницаемости образца с использованием нейросетевой математической модели // Радиотехника. 2015. № 10. С. 115−120.
Аксенов С.В., Новосельцев В.Б. Организация и использование нейронных сетей. Томск: Томский политехнический университет. 2006.
Хайкин C. Нейронные сети: полный курс. Изд. 2-е. М.: Вильямс. 2006.
Fausett L.V. Fundamentals of Neural Networks: Architectures Algorithms and Applications. New Jersey: Prentice-Hall. 1994.
Долинина О.Н., Кузьмин А.К. Метод построения тестов для отладки нейросетей на основе технической диагностики // Сб. тр. ХХIII Междунар. науч. конф. «Математические методы в технике и технологиях» (ММТТ-23). В 12 т. Т. 6. Секции 6, 7 / Под общ. ред. В.С. Балакирева. Саратов: Сарат. гос. техн. ун-т. 2010. С. 38−41.
Ивженко С.П. Интеллектуальный анализ данных на основе карт Кохонена // Тр. XXI Всерос. науч.-метод. конф. «Телематика'2014» (г. Санкт-Петербург, 23−26 июня 2014 г.). СПб. 2014. 250 с.

[1] Brovko A.V., Murphy E.K., and Yakovlev V.V. Waveguide microwave imaging: neural network reconstruction of functional 2-D permittivity profiles // IEEE Transactions on Microwave Theory and Techniques. 2009. V. 57. № 2. Р. 406−414.

[2] Бровко А.В. Метод определения трехмерного профиля диэлектрической проницаемости образца с использованием нейросетевой математической модели // Радиотехника. 2015. № 10. С. 115−120.

[3] Аксенов С.В., Новосельцев В.Б. Организация и использование нейронных сетей. Томск: Томский политехнический университет. 2006.

[4] Хайкин C. Нейронные сети: полный курс. Изд. 2-е. М.: Вильямс. 2006.

[5] Fausett L.V. Fundamentals of Neural Networks: Architectures Algorithms and Applications. New Jersey: Prentice-Hall. 1994.

[6] Долинина О.Н., Кузьмин А.К. Метод построения тестов для отладки нейросетей на основе технической диагностики // Сб. тр. ХХIII Междунар. науч. конф. «Математические методы в технике и технологиях» (ММТТ-23). В 12 т. Т. 6. Секции 6, 7 / Под общ. ред. В.С. Балакирева. Саратов: Сарат. гос. техн. ун-т. 2010. С. 38−41.

[7] Ивженко С.П. Интеллектуальный анализ данных на основе карт Кохонена // Тр. XXI Всерос. науч.-метод. конф. «Телематика'2014» (г. Санкт-Петербург, 23−26 июня 2014 г.). СПб. 2014. 250 с.

Аннотация

Для цитирования

Похожие статьи