• ВХОД

    •  

    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.
    (Шифр в БД У3888/2020/1 т.1)
    ГРНТИ УДК
    28.23004.8
    28.23.37004.032.26
    28.23.15623.98
    29.37.27534.222
    78.25.25004.93
    РУБ ИИ
    04.01
    04.02
    07.15

    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

    Экз-ры полностью У3888/2020/1 т.1
    Имеются экземпляры в отделах: всего 2 : ЧЗХР (1), ХРЦ (1)
    Свободны: ЧЗХР (1), ХРЦ (1)
    Переход по DOI



    Заказ фрагмента документа ₽