Пошук академічних текстів

Інформація × Реєстраційний номер 0212U002981, 0110U000458 , Науково-дослідна робота Назва роботи Еволюційні гібридні системи обчислювального інтелекту зі змінною структурою для інтелектуального аналізу даних Назва етапу роботи Керівник роботи Бодянський Євгеній Володимирович, Доктор технічних наук Дата реєстрації 23-03-2012 Організація виконавець Харківський національний університет радіоелектроніки Опис етапу Об'єкт дослідження - інтелектуальний аналіз даних за умов повної або часткової апріорної та поточної невизначеності на основі гібридних систем обчислювального інтелекту зі змінною структурою, що еволюціонують. Мета дослідження - розробка МГУА-нейромереж з вузлами типу ортонейронів, Q-нейронів та адаптивних вейвлонів, що мають підвищені апроксимуючі властивості, методів прийняття рішень про стан об’єктів за умов невизначеності, що ґрунтуються на інтервальних фаззі-моделях. Синтезовано еволюційні архітектури, де в якості вузлів використано орто-нейрони, Q-нейрони, нео-фаззі нейрони, адаптивні вейвлони, що дозволило підвищити як апроксимуючі властивості, так і швидкість навчання. З використанням цих типів нейронів синтезовано МГУА-вейвлет-нейро-фаззі мережі, що відрізняються обчислювальною простотою. Введено гібридні вейвлет-нейро-фаззі-мережі, що об'єднують переваги як каскадних, так і МГУА-систем. Розроблено еволюційні гібридні моделі ідентифікації нелінійних динамічних об'єктів зі змінною структурою на основі нечіткої нейронної мережі та штучних імунних систем, методи прийняття рішень про стан об’єктів за умов невизначеності, що ґрунтуються на еволюційних нечітких інтервальних моделях. Опис продукції Синтезовано нові структури та методи навчання перспективного класу гібридних систем обчислювального інтелекту - еволюційних систем із змінною архітектурою. В основу цих систем покладено ідеї методу групового урахування аргументів, адаптованого для роботи у реальному часі, та нові типи вузлів такі, як ортонейрони, Q-нейрони та адаптивні вейвлони. Введено гібрідні вейвлет-нейро-фаззі мережі, що обєднують переваги як каскадних, так і МГУА-систем. Введені системи призначені для вирішення широкого класу задач інтелектуального аналізу данних у on-line режимі. Автори роботи Аксак Н.Г. Андрієнко К.О. Балакірева О.Г. Близнюк В.Г. Бодянський Є.В. Вікторов Є.О. Винокурова О.А. Волкотруб С. В. Глушенкова І.С. Губін В.О. Долотов А.І. Дрюк О.Д. Касаткіна Н.В. Кириченко Л.О. Кобозєв О.О. Корабльов М.М. Корнєєв Е.О. Корніловський А.В. Костіна З.Л. Кучеренко Є.І. Кушнарьов М.В. Лебьодкіна А.Ю. Макогон А.Е. Машталір С.В. Мельникова М.О. Мохаммад Амін Салех Новосельцев І.В. Плісс І.П. Попов С.В. Сліпченко О.В. Сорокіна І.В. Тімофєєв В.О. Творошенко І.С. Тесленко Н.О. Тищенко О.К. Філатов В.О. Філатов В.О. Фомічев А.А. Чапланова О.Б. Чепенко Т.Є. Чуб О.В. Шкловець А.В. Шкуро К.О. Додано в НРАТ 2020-04-02 Закрити