Реєстраційний номер
0213U003427,
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
05-02-2013
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 - pозробка фаззі-спайк-нейронної мережі із змінною кількістю кластерів на аналогово-цифрових спайк-нейронах. Розробка та дослідження оптимальних за швидкодією еволюційних алгоритмів процесів прийняття рішень в системах з інтервальними функціями належності, еволюційні алгоритми просторово-часового аналізу відеоданих . Розробка методів, моделей і процедур синтезу нечітких нейромережевих регуляторів з імунним настроюванням структури та параметрів системи.Було проведено дослідження у галузі нейронних мереж третього покоління - спайк-нейронних мереж, що засновані на новій парадигмі рідких обчислень. Ці нейромережі мають низку переваг перед традиційними мережами, але як з теоретичної, так і з практичної точки зору гібридних систем обчислюваного інтелекту нейро-фаззі конструкції на основі цього підходу невідомі. Дослідження проводилися дослідження у напрямку створення нових гібридних систем обчислюваного інтелекту: самонавчанних спайк-нейро-фаззі систем. В рамках цього підходу було розроблено оригінальну гібридну самонавчанну фаззі-спайк-нейронну мережу для нечіткої кластеризації, що в порівнянні із відомими системами нечіткої кластеризації має підвищену швидкодію за умов, коли кластери перетинаються. Вперше введено нечіткі рецепторні нейрони, що формують шар фаззіфікації вхідних даних самонавчанної спайк-нейронної мережі, що дозволив підвищити точність та швидкість обробки даних у порівнянні із відомим популяційним кодуванням, прийнятим у відомих спайк-нейронних мережах. Впреше введено та досліджено аналого-цифрові архітектури самонавчанних спайк-нейронних мереж на основі неперервного та дискретного Лапласового перетворень, що дозволило описати функціонування нейромереж на основі рідких обчислень у термінах теорії автоматичного керування. Експериментально доведено, що кількість епох навчання таких гібридних систем знижується, як мінімум, на порядок в порівнянні з системами другого покоління.
Опис продукції
Проведено дослідження у галузі нейронних мереж третього покоління - спайк-нейронних мереж, що засновані на новій парадигмі рідких обчислень. Розроблено оригінальну гібридну самонавчанну фаззі-спайк-нейронну мережу для нечіткої кластеризації, що в порівнянні із відомими системами нечіткої кластеризації має підвищену швидкодію за умов, коли кластери перетинаються. Введено нечіткі рецепторні нейрони, що формують шар фаззіфікації вхідних даних самонавчанної спайк-нейронної мережі, що дозволив підвищити точність та швидкість обробки даних у порівнянні із відомим популяційним кодуванням, прийнятим у відомих спайк-нейронних мережах.
Автори роботи
Іващенко Г.С.
Аксак Н.Г.
Бабенко В.О.
Бабенко О.В.
Балакірєва О.Г.
Бесараб Д.А.
Близнюк В.Г.
Винокурова О.А.
Власенко А.Н.
Волкова В.В.
Глушенкова І.С.
Гончаренко М.О.
Горпиненко Ю.С.
Горшков Є.В.
Гришко А.О.
Гурін В.М.
Дейнеко А. О.
Долотов А.І.
Дрюк А.Д.
Задорожна Є.В.
Кіріченко Л.О.
Керносов М.А.
Кирій В.В.
Колчигін Б.В.
Копаліані Д.С.
Корабльов М.М.
Костіна З.Л.
Куценко Я.В.
Кучеренко Є.І.
Кушнарьов М.В.
Лебьодкіна А.Ю.
Міхнова О.Д.
Макогон А.Е.
Машошин Д.А.
Машталір С.В.
Мельнікова М.О.
Мохаммад А.С.
Плєхова Д.О.
Плісс І.П.
Попов С.В.
Путятіна О.П.
Радченко В.О.
Рибальченко Т.В.
Сліпченко О.В.
Тімофєєв В.О.
Танянський С.С.
Творошенко І.С.
Тесленко Н.О.
Тищенко О.К.
Ушков К.І.
Філатов В.О.
Фомічов О.О.
Харченко О.О.
Чапланова О.Б.
Чепенко Т.Є.
Чуб О.І.
Шаламов М.О.
Шафроненко А.Ю.
Шкловець А.В.
Шкуро К.О.
Додано/оновлено в НРАТ
2020-04-02
