СибНСХБ

Вид поиска

Область поиска

Найдено в других БД

Формат представления найденных документов:
библиографическое описание	краткий	полный

Отсортировать найденные документы по:
автору	заглавию	году издания	типу документа

Поисковый запрос: (<.>S=РАДИАЛЬНЫЙ БАЗИС<.>)

Общее количество найденных документов : 7
Показаны документы с 1 по 7

РЖ ВИНИТИ 34 (BI38) 95.02-04А3.069

Elanayar, Sunil.
Radial basis function neural network for approximation and estimation of nonlinear stochastic dynamic systems [Text] / Sunil Elanayar, Yung C. Shin // IEEE Trans. Neural Networks. - 1994. - Vol. 5, N 4. - P594-603 . - ISSN 1045-9227
Перевод заглавия: Нейронные сети, основанные на функциях радиального базиса, для аппроксимации и оценки нелинейных стохастических динамических систем
Аннотация: Разработана методика построения нейронных сетей, предназначенных для аппроксимации нелинейных стохастических систем и основанных на использовании ф-ций радиального базиса. Начальные приближения параметров сети определяются с учетом имеющейся априорной информации. Приведено описание структуры модели и методов ее обучения. Приведены примеры, свидетельствующие об эффективности ее работы при построении колич. х-к работы систем, в к-рых нелинейность играет важную роль. Приведены результаты проведенного испытания на численных моделях, показавшие также высокую точность работы новой системы. США, School of Mechanical Eng., Purdue Univ., West Lafayette, IN 47907. Ил. 9. Библ. 25.

ГРНТИ	34.53.19

ВИНИТИ 341.53.19.09
Рубрики: НЕЙРОННЫЕ СЕТИ
РАДИАЛЬНЫЙ БАЗИС
НЕЛИНЕЙНЫЕ СТОХАСТИЧЕСКИЕ ДИНАМИЧЕСКИЕ СИСТЕМЫ

Доп.точки доступа:
Shin, Yung C.

РЖ ВИНИТИ 34 (BI38) 99.05-04А3.199

Holmes, C. C.
Bayesian radial basis functions of variable dimension [Text] / C. C. Holmes, B. K. Mallick // J. Freshwater Ecol. - 1998. - Vol. 13, N 2. - P1217-1233 . - ISSN 0270-5060
Перевод заглавия: Байесовские функции радиального базиса с переменной размерностью
Аннотация: Описан байесовский подход к анализу функций радиального базиса, позволяющий учитывать неопределенность размерности модели. Распределение определено на множестве всех моделей функций радиального базиса с заданным базисом, а апостериорные оценки плотности вероятности вычисляются по методу Монте-Карло с обратимой марковской цепью. Описанный метод устраняет необходимость точного выбора архитектуры на начальном этапе моделирования. Приведены примеры, демонстрирующие способность описанного класса нейронных сетей адаптировать свой размер к сложности поступающих входных данных. Великобритания, Dep. of Massachusetts, Imperial College, London SW7 2BZ. Табл. 3. Библ. 36

ГРНТИ	34.53.19

ВИНИТИ 341.53.19.09
Рубрики: НЕЙРОННЫЕ СЕТИ
РАДИАЛЬНЫЙ БАЗИС
ПЕРЕМЕННАЯ РАЗМЕРНОСТЬ
МЕТОД МОНТЕ-КАРЛО
ОБРАТИМАЯ МАРКОВСКАЯ ЦЕПЬ

Доп.точки доступа:
Mallick, B.K.

РЖ ВИНИТИ 34 (BI38) 93.11-04А3.112

Chen, Fu-Chuang.
On the learning and convergence of the radial basis networks [Text] / Fu-Chuang Chen, Mao-Hsing Lin // IEEE Int. Conf. Neural Networks, San Francisco, Calif., March 28-Apr. 1, 1993. - Piscataway (N. J.), 1993. - Vol. 2. - P983-988
Перевод заглавия: Об обучении и сходимости сетей радиального базиса
Аннотация: Рассмотрена задача об исследовании точности аппроксимации ф-ций с помощью нейронных сетей радиального базиса при обучении с заданной ограниченной выборкой. Получены теор. результаты о сходимости таких сетей с модифицированным градиентным спуском. Отличие от станд. градиентных правил заключается в использовании мертвых зон вокруг источников ошибок по каждой координате. Если зоны достаточно велики, ошибка выходных значений лежит внутри малого шара. Проведенное имитационное моделирование подтвердило полученные теор. результаты. КНР, Dep. of Control Eng., Nat. Chiao Tung Univ., Hsinchu, Taiwan. Ил. 3. Библ. 8.

ГРНТИ	34.53.19

ВИНИТИ 341.53.19.09
Рубрики: НЕЙРОННЫЕ СЕТИ
РАДИАЛЬНЫЙ БАЗИС
ОБУЧЕНИЕ
СХОДИМОСТЬ

Доп.точки доступа:
Lin, Mao-Hsing

РЖ ВИНИТИ 34 (BI38) 93.11-04А3.126

Hwang, Jeng-Neng.
Unsupervised learning for multivariate probability density estimation: Radial basis function and exploratory projection pursuit [Text] / Jeng-Neng Hwang, Shyh-Rong Lay, A. Lippman // IEEE Int. Conf. Neural Networks, San Francisco, Calif., March 29-Apr. 1, 1993. - Piscataway (N. J.), 1993. - Vol. 3. - P1486- 1491
Перевод заглавия: Обучение без учителя для оценки многомерной плотности вероятности. Функции радиального базиса и прослеживание проекций
Аннотация: Рассмотрено 2 типа методов обучения без учителя для непараметрической оценки многомерных ф-ций плотности вероятности, не использующих каких-либо предположений о параметрических семействах распределений; 1-й основан на локальных ф-циях нормального распределения, 2-й - на полиномиальной аппроксимации 1-мерных проекций плотности и прослеживании проекций. Приведено их описание. Представлены результаты, полученные в ходе проведенных экспериментов с модельными образцами (смесью нормальных распределений и распределений Коши). США, Information Processing Lab., Dep. of Electrical Eng. FT-10, Univ. of Washington, Seatle, WA 98195. Ил. 5. Библ. 12.

ГРНТИ	34.53.19

ВИНИТИ 341.53.19.09
Рубрики: НЕЙРОННЫЕ СЕТИ
РАДИАЛЬНЫЙ БАЗИС
ОБУЧЕНИЕ БЕЗ УЧИТЕЛЯ
МНОГОМЕРНАЯ ПЛОТНОСТЬ ВЕРОЯТНОСТИ

Доп.точки доступа:
Lay, Shyh-Rong; Lippman, A.

РЖ ВИНИТИ 34 (BI38) 93.11-04А3.164

Szymanski, Peter T.
Adaptive mixtures of local experts are source coding solutions [Text] / Peter T. Szymanski, Michael D. Lemmon // IEEE Int. Conf. Neural Networks, San Francisco, Calif., March 29 - Apr. 1, 1993. - Piscataway (N. J.), 1993. - Vol. 3. - P1391-1396
Перевод заглавия: Адаптивные смеси локальных экспертов - решения задачи о кодировании источников
Аннотация: Проведено исследование возможности объединения нейронных сетей с радиальным базисом и теоретико-информационных описаний для разработки усовершенствованных систем разумного управления с возможностью колич. анализа и физ. интерпретации получаемых результатов. Предложена новая комбинированная схема, основанная на построении стохастических отображений смесей локальных экспертных алгоритмов. Приведено описание алгоритма с поясняющими примерами, показывающими перспективность в нек-рых практических применениях. Описаны также продолжающиеся и планируемые исследования и разработки. США, Dep. of Elect. Eng., Univ. of Notre Dame, Notre Dame, IN 46556. Библ. 9.

ГРНТИ	34.53.19

ВИНИТИ 341.53.19.09
Рубрики: НЕЙРОННЫЕ СЕТИ
РАДИАЛЬНЫЙ БАЗИС
УПРАВЛЕНИЕ
КОМБИНИРОВАННАЯ СХЕМА
ЛОКАЛЬНЫЕ ЭКСПЕРТНЫЕ АЛГОРИТМЫ

Доп.точки доступа:
Lemmon, Michael D.

РЖ ВИНИТИ 34 (BI38) 94.01-04А3.178

Chakraborty, Goutam.
A quickly trained artificial neural network with single hidden layer Caussian units [Text] / Goutam Chakraborty, Norio Shiratory, Shoichi Noguchi // IEEE Int. Conf. Neural Networks, San Francisco, Calif., March 29-Apr. 1, 1993. - Piscataway (N.J.), 1993. - Vol. 1. - P466-472
Перевод заглавия: Быстро обучаемая нейронная сеть с единственным скрытым слоем из гауссовских элементов
Аннотация: Предложена оригинальная модель нейронной сети с радиальным базисом, обладающая очень высокой скоростью обучения. Сеть имеет единственный скрытый слой из гауссовских элементов. Разработана эффективная процедура выбора базисных ф-ций и инициализации весов с учетом специфики прикладной задачи. Приведены примеры, поясняющие принцип работы нового метода. Представлены результаты имитационного моделирования, в ходе к-рого изучалась роль отдельных параметров. Описаны продолжающиеся работы по созданию комбинированных схем, в к-рых алгоритм объединен с нек-рыми др. процедурами. Япония, Faculty of Eng., Tohoku Univ. Ил. 6. Библ. 12.

ГРНТИ	34.53.19

ВИНИТИ 341.53.19.09
Рубрики: НЕЙРОННЫЕ СЕТИ
БЫСТРООБУЧАЕМАЯ СЕТЬ
ОДИН СКРЫТЫЙ СЛОЙ
РАДИАЛЬНЫЙ БАЗИС

Доп.точки доступа:
Shiratory, Norio; Noguchi, Shoichi

РЖ ВИНИТИ 34 (BI38) 94.01-04А3.267

Lay, Shyh-Rong.
Robust construction of radial basis functions networks for classification [Text] / Shyh-Rong Lay, Jenq-Neng Hwang // IEEE Int. Conf. Neural Networks, San Francisco, Calif., March 29 - Apr. 1, 1993. - Piscataway (N. J.), 1993. - P1866-1864
Перевод заглавия: Робастное построение сетей радиального базиса для классификации
Аннотация: Предложен метод построения нейросетевых классификаторов, основанных на ф-циях радиального базиса с локальной настройкой. Для декорреляции и нормализации входных данных используется процедура построения разделяющих сфер. Для определения центроидов и матриц ковариаций применяется обобщенный метод Lloyd кластеризации с векторным квантованием. Проведенное имитационное моделирование показало, что новый метод превосходит по качеству известные алгоритмы построения нейронных сетей рассматриваемого вида. Представлены также результаты испытаний построенной системы на реальных данных со спутника Landsat-4. США, Information Processing Lab., Dep. of Elect. Eng., FT-10, Univ. of Washington, Seattle, WA 98195. Ил. 5. Табл. 1. Библ. 13.

ГРНТИ	34.53.19

ВИНИТИ 341.53.19.09
Рубрики: НЕЙРОННЫЕ СЕТИ
НЕЙРОСЕТЕВЫЕ КЛАССИФИКАТОРЫ
РАДИАЛЬНЫЙ БАЗИС
ЛОКАЛЬНАЯ НАСТРОЙКА

Доп.точки доступа:
Hwang, Jenq-Neng

"Электронные каталоги и базы данных библиотек СО РАН"

© Международная Ассоциация пользователей и разработчиков электронных библиотек и новых информационных технологий
(Ассоциация ЭБНИТ)

rtvarBDview(" результаты поиска","20190607010228","4682442");

Вид поиска