Математическое и программное обеспечение систем
в промышленной и социальной сферах

ISSN (Print): 2306-2053

Входит в eLIBRARY.RU

Импакт-фактор РИНЦ: 0,784

Orcid

Дмитриенко В.Д., Заковоротный А.Ю. Нейросетевая ассоциативная память адаптивной резонансной теории для определения множества решений

скачать

Аннотация

Разработана новая нейронная сеть адаптивной резонансной теории, которая реализует принципы ассоциативной памяти с возможностью восстановления по входной информации ассоциативных входным данным изображений. Новая нейронная сеть позволяющая решать задачи с несколькими решениями, обладает свойствами дообучения, стабильного и компактного хранения ранее сохраненной информации, что позволяет эту сеть использовать для разработки специализированных баз знаний, использующих ассоциативную информацию.

Ключевые слова

Нейронная сеть адаптивной резонансной теории, ассоциативная память, задачи с несколькими решениями, дообучение.

Дмитриенко Валерий Дмитриевич – д-р техн. наук, проф. кафедры вычислительной техники и программирования Национального технический университет «Харьковский политехнический институт», Харьков, Украина.

Заковоротный Александр Юрьевич – к-т техн. наук, доцент кафедры вычислительной техники и программирования Национального технический университет «Харьковский политехнический институт», Харьков, Украина. E-mail: Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра..

1. Suzuki, K. Artificial Neural Networks: Architectures and Applications / K. Suzuki. – Publisher: InTech, 2013. 256p.

2. Bianchini, M. Handbook on Neural Information Processing (Intelligent Systems Reference Library) / M. Bianchini.– Publisher: Springer, 2013. – 499 p.

3. Cirrincione, M. Power Converters and AC Electrical Drives with Linear Neural Networks (Energy, Power Electronics, and Machines) / M. Cirrincione, M. Pucci, G. Vitale. – Publisher: CRC Press, 2012. – 631 p.

4. Галушкин, А.И. Нейронные сети. Основы теории. – М.: Горячая линия – Телеком, 2012.  496 с.

5. Капля, В.И. Системы искусственного интеллекта: учебн. пособ. – Волгоград: ИУНЛ ВолгГТУ. – 2011. – 97 с.

6. Russell S. Artificial Intelligence: A Modern Approach, Third Edition / S. Russell, P. Norvig. – Publisher: Prentice Hall, 2010. – 1152 p.

7. Девятков, В.В. Системы искусственного интеллекта. – М.: Изд-во МГТУ им. Н.Э. Баумана, 2001. – 352 с.

8. Евменов, В.П. Интеллектуальные системы управления. – М.: Книжный дом «Либроком», 2009. – 304 с.

9. Татузов, А.Л. Нейронные сети в задачах радиолокации.  М: Издательство «Радиотехника», 2009. – 432 с.

10. Боровиков, В.П. Нейронные сети. Методология и технологии современного анализа / В.П. Боровиков. – М.: Горячая линия – Телеком, 2008.  392 с.

11. Huajin, T. Neural Networks: Computational Models and Applications / Huajin Tang, Kay Chen Tan, Zhang Yi. – Publisher: Springer, 2007. – 322 p.

12. Zadeh, L. Neural Networks Theory / L. Zadeh. – Publisher: Springer, 2007. – 421 p.

13. Хайкин, С. Нейронные сети: полный курс / С. Хайкин. – М.: Изд. дом «Вильямс», 2008. – 1104 с.

14. Дмитриенко, В.Д. Непрерывная нейронная сеть АРТ для распознавания режимов функционирования динамических объектов / В.Д. Дмитриенко, А.Ю. Заковоротный // Научные ведомости. Серия: Информатика и прикладная математика.  Белгород: БГУ, 2006.  № 1(21). Вып. 2. – С. 119127.

15. Дмитриенко, В.Д. Двунаправленная ассоциативная память на основе непрерывных нейронных сетей адаптивной резонансной теории / В.Д. Дмитриенко, А.Ю. Заковоротный // Научные ведомости. Серия: Информатика и прикладная математика.  Белгород: БГУ, 2006.  № 2(31). Вып. 3. – С. 2032.