Полное описание

Пятакович, Валерий Александрович. Нейронные сети как вариант вычислительной структуры системы классификации морских целей / В. А. Пятакович, В. Ф. Рычкова, Е. Г. Филиппов. - DOI 10.37220/MIT.2020.47.1.025. - Текст : непосредственный // Морские интеллектуальные технологии = Marine Intellectual Technologies : научный журнал. - 2020. - N 1 т.1. - С. 163-174. - Библиогр. в конце ст. - ISSN 2073-7173.

ГРНТИ	УДК
28.23	004.8
28.23.37	004.032.26
28.23.15	623.98
29.37.27	534.222
78.25.25	004.93

Рубрики:
Искусственный интеллект
Нейронные сети
Распознавание образов
Военно-морской флот
Акустика
Системы автоматического управления
Dassification of sea objects
Training algorithms of neural networks

Кл.слова (ненормированные): классификация морских объектов -- гидрофизические поля -- нечёткая логика -- нейронные сети -- нейро-нечёткие модели -- системы автоматического управления -- обучающие алгоритмы нейронных сетей -- dassification of sea objects -- fuzzy logic -- neural networks -- neuro-fuzzy models -- automatic control systems -- training algorithms of neural networks
Аннотация: Многочисленные эксперименты по обучению нейронных сетей показали, что совокупное использование алгоритма локальной оптимизации, процедуры «выбивания» сети из локального минимума и процедуры увеличения числа нейронов приводят к успешному обучению нейронных сетей. Оценка адекватности результатов моделирования процесса распространения звука в морской среде выполнялась с использованием данных измерений потерь при распространении звука, полученных в ходе натурного эксперимента, на базе Центрального научно-исследовательского испытательного гидроакустического полигона. При этом использовались расчетные потери при распространении звука, полученные по апробированным программам, зарекомендовавшим себя на практике. В работе предложен метод формирования и редукции выборок, который обеспечивает сохранение в сформированной подвыборке важнейших свойств исходной выборки, не требуя при этом загрузки в память ЭВМ исходной выборки, а также многочисленных проходов исходной выборки, что позволяет сократить объем выборки и уменьшить требования к ресурсам автономного нейроклассификатора.
Доп. точки доступа:
Рычкова, Виктория Феликсовна
Филиппов, Евгений Геннадьевич


Нет сведений об экземплярах
Держатели документа:
Государственная публичная научно-техническая библиотека России : 123298, г. Москва, ул. 3-я Хорошевская, д. 17 (Шифр в БД-источнике (KATBW): -703758-330771)

Шифр в сводном ЭК: a0ef3586a85a7155431615848880ea64

Заказать
Заказ фрагмента документа ₽