• ВХОД

    •  

    Полное описание


     Пятакович, Валерий Александрович. Критерии компарирования систем искусственного интеллекта / В. А. Пятакович, В. Ф. Рычкова, Н. Г. Левченко. - DOI 10.37220/MIT.2021.54.4.084. - Текст : непосредственный // Морские интеллектуальные технологии : научный журнал. - 2021. - N 4 ч.3. - С. 21-27. - Библиогр. в конце ст. - ISSN 2073-7173.
    (Шифр в БД У3888/2021/4 ч.3)
    ГРНТИ УДК
    28.23004.8
    28.23.37004.032.26
    28.23.35004.891
    28.23.15004.93'1
    78.25.25623.98
    534.222

    Рубрики:
    Искусственный интеллект
    Нейронные сети
    Экспертные системы
    Военно-морские силы
    Морская интеллектуальная автономная система классификации

    Кл.слова (ненормированные): нейросетевая экспертная система -- величина управляющих воздействий на объект -- стратегия гарантированного управления эксплуатацией объекта -- прогноз технического состояния -- морская интеллектуальная автономная система классификации
    Аннотация: Модели нейронных и нейро-нечетких сетевых критериев сравнения в задачах диагностики и классификации образов. Предложен комплекс критериев для оценки свойств искусственных нейронных и нейро-нечетких сетей. Он включает в себя критерии разнообразия, подгонки, эластичности, равнозначности, устойчивости к шуму, аварийной ситуации, а также заданную монотонность для построения нейронной модели. Применение предложенных критериев на практике позволяет автоматизировать процесс построения, анализа и сравнения нейронных моделей для решения задач диагностики и классификации паттернов. Предложено решение задачи повышения эффективности параметрического синтеза нейросетевых моделей сложных систем для обоснованного принятия решений о классификации подводных целей. Научная новизна работы заключается в том, что впервые предложен комплекс моделей критериев, характеризующих такие свойства нейронных и нейро-нечетких сетей как разнообразие, переобученность, эластичность, эквифинальность, устойчивость к шуму, эмерджентность, что позволяет автоматизировать решение задачи анализа свойств и сравнения нейросетевых и нейро-нечетких моделей при решении задач диагностики и классификации образов. В работе решена актуальная задача автоматизации анализа свойств и сравнения нейросетевых моделей.
    Доп. точки доступа:
    Рычкова, Виктория Феликсовна
    Левченко, Наталья Георгиевна

    Экз-ры полностью У3888/2021/4 ч.3
    Имеются экземпляры в отделах: всего 2 : ЧЗХР (1), ХРЦ (1)
    Свободны: ЧЗХР (1), ХРЦ (1)
    Переход по DOI



    Заказ фрагмента документа ₽