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=РЕКУРРЕНТНЫЕ НЕЙРОННЫЕ СЕТИ<.>)

Общее количество найденных документов : 5
Показаны документы с 1 по 5

РЖ ВИНИТИ 34 (BI38) 95.10-04А3.141

Kuan, Chung-Ming.
A convergence result for learning in recurrent neural networks [Text] / Chung-Ming Kuan, Kurt Hornik, Halbert White // Neural Comput. - 1994. - Vol. 6, N 3. - P420-440 . - ISSN 0899-7667
Перевод заглавия: Результат сходимости обучения в рекуррентных нейронных сетях
Аннотация: Проведен анализ сходимости алгоритм обратного распространения в многослойных нейронных сетях с рекуррентными связями в выходном или скрытых слоях. Получены условия, гарантирующие сходимость к локальному минимуму. Приведены результаты, полученные в ходе выполненного имитационного моделирования, показывающие возможности практических применений полученных условий при предварительном анализе обеспечиваемого качества работы нейронных сетей, предназначенных для решения конкретной задачи. Рассмотрены возможности обобщения на более широкий класс нейронных сетей. США, Univ. of Illinois Urbana-Champaigne, Champaigne IL. Ил. 10. Табл. 1. Библ. 22.

ГРНТИ	34.53.19

ВИНИТИ 341.53.19.09
Рубрики: НЕЙРОННЫЕ СЕТИ
ОБУЧЕНИЕ
СХОДИМОСТЬ
РЕКУРРЕНТНЫЕ НЕЙРОННЫЕ СЕТИ

Доп.точки доступа:
Hornik, Kurt; White, Halbert

РЖ ВИНИТИ 34 (BI38) 96.03-04А3.109

Jin, L.
Adaptive control of discrete-time nonlinear systems using recurrent neural networks [Text] / L. Jin, P. N. Nikiforuk, M. M. Gupta // IEE Proc. Contr. Theory and Appl. - 1994. - Vol. 141, N 3. - P169-176 . - ISSN 1350-2379
Перевод заглавия: Адаптивное управление нелинейными системами в дискретном времени с помощью рекуррентных нейронных сетей
Аннотация: Разработана схема обучения и адаптивного управления для широкого класса нелинейных систем, основанная на использовании, многослойных рекуррентных нейронных сетей. Нейронная сеть осуществляет аппроксимацию функции, описывающей зависимость выхода от входа. В системе реализованы возможности адаптивного динамического управления и переобучения. Представлены результаты испытаний на имитационных моделях. Канада, Intelligent Sys. Res. Lab., Cellege of Eng., Univ. of Saskatchewan, Saskatoon, Saskatchewan S7N QWO. Ил. 5. Библ. 24

ГРНТИ	34.53.19

ВИНИТИ 341.53.19.09
Рубрики: НЕЙРОННЫЕ СЕТИ
НЕЛИНЕЙНЫЕ СИСТЕМЫ
АДАПТИВНОЕ УПРАВЛЕНИЕ
РЕКУРРЕНТНЫЕ НЕЙРОННЫЕ СЕТИ

Доп.точки доступа:
Nikiforuk, P.N.; Gupta, M.M.

РЖ ВИНИТИ 76 (BI38) 99.05-04А3.129

Recurrent neural network based prediction of epileptic seizures in intra- and extracranial EEG [Text] / Arthur Petrosian [et al.] // Нейрокомпьютер. - 1998. - N 1-2. - P47-59 . - ISSN 0869-5350
Перевод заглавия: Предсказание эпилептических приступов по интракраниальным и экстракраниальным ЭЭГ, основанное на использовании рекуррентной нейронной сети
Аннотация: Предложен метод, позволяющий предсказывать эпилептические приступы за несколько минут до их начала. Для анализа интракраниальных и экстракраниальных ЭЭГ предложено использовать рекуррентную нейронную сеть, способную строить практически любые нелинейные границы между областями в пространстве признаков. На вход нейронной сети поступают достаточно длинные отрезки ЭЭГ. Описаны: процедуры ввода информации; структура нейронной сети; метод ее обучения; результаты испытаний. Показано, что по сравнению с альтернативными методами классификации ЭЭГ обеспечивается гораздо более высокая точность при нелинейных границах между областями. Ил. 9. Библ. 36

ГРНТИ	76.03.59

ВИНИТИ 761.03.59.09.15 + 341.53.19.09
Рубрики: НЕЙРОННЫЕ СЕТИ
РЕКУРРЕНТНЫЕ НЕЙРОННЫЕ СЕТИ
КЛАССИФИКАТОРЫ
ОБРАБОТКА БИОСИГНАЛОВ
ЭЭГ
АВТОМАТИЗИРОВАННАЯ ДИАГНОСТИКА
ЗАБОЛЕВАНИЯ
ЭПИЛЕПТИЧЕСКИЕ ПРИСТУПЫ
ПРЕДСКАЗАНИЕ

Доп.точки доступа:
Petrosian, Arthur; Prokhorov, Danil; Homan, Richard; Dasheiff, Richard; Wunsch, Donald

РЖ ВИНИТИ 34 (BI38) 07.03-04А3.41

Capi, Genci.
Evolution of neural architecture fitting environmental dynamics [Text] / Genci Capi, Kenji Doya // Adapt. Behav. - 2005. - Vol. 13, N 1. - P53-66 . - ISSN 1059-7123
Перевод заглавия: Эволюция нейронной архитектуры [в соответствии] с динамикой среды
Аннотация: Выполнение сложной последовательности действий затруднительно даже для приматов и человека. Удивительно, что уже насекомые способны к такой сложной деятельности. Выполнение сложной последовательности связано с активностью различных зон мозга и требует хранения и модификации промежуточных состояний. Рассматривается проверка возможности эволюции рекуррентной нейронной сети в соответствии с динамическими требованиями задачи. Для этого анализируется задача последовательной навигации, когда агент должен альтернативно посещать сайты для получения пищи и воды. Для достижения наилучшей приспособленности агент должен выбрать соотв. сенсорные входы и модифицировать рабочую память для реализации немарковского последовательного поведения, в к-ром последующее состояние не определяется пред. действием. Производится сравнение стратегий агента в различных средах и анализируются нейронные механизмы, используемые для достижения цели. Проведены имитационные эксперименты, показавшие преимущества модулярной структуры перед рекуррентным контролем. Япония, Fukuoka Institute of Technology, Fukuoka, 811-0195. Ил. 3. Табл. 1. Библ. 30

ГРНТИ	34.55.19

ВИНИТИ 341.55.19.09.13
Рубрики: НЕЙРОННЫЕ СЕТИ
СЛОЖНЫЕ ПОСЛЕДОВАТЕЛЬНОСТИ ДЕЙСТВИЙ
РЕКУРРЕНТНЫЕ НЕЙРОННЫЕ СЕТИ
НЕМАРКОВСКИЕ ПОСЛЕДОВАТЕЛЬНЫЕ ЗАДАЧИ
ЭВОЛЮЦИОНИРУЮЩЕЕ ПОВЕДЕНИЕ

Доп.точки доступа:
Doya, Kenji

РЖ ВИНИТИ 34 (BI38) 92.05-04А3.153

Doya, Kenji.
Learning temporal patterns in recurrent neural networks [Text] / Kenji Doya // IEEE Int. Conf. Syst., Man, and Cybern., Los Angeles, Calif., Nov. 4-7, 1990. - New York (N. Y.), 1990. - P170-172 . - ISBN 0-87942-598-9
Перевод заглавия: Обучение признакам во временной области в рекуррентных нейронных сетях
Аннотация: Предложен новый достаточно общий алгоритм обучения рекуррентных нейронных сетей с учителем в задаче выделения признаков во временной обл. Идея заключается в определении производных ф-ций отображений по времени. Алгоритм пригоден как для дискретных, так и для непрерывных нейронных сетей. Он также легко обобщается на системы со связями высших порядков или со многими величинами запаздываний. Приведены примеры выделения признаков для распознавания ритмических сигналов. Япония, Dep. of Mathematical Eng. and Information Physics Faculty of Eng, Univ. of Tokyo 7-3-1 Hongo, Bunkyo-ku, Tokyo 113. Ил. 1.

ГРНТИ	34.53.19

ВИНИТИ 341.53.19.09
Рубрики: НЕЙРОННЫЕ СЕТИ
РЕКУРРЕНТНЫЕ НЕЙРОННЫЕ СЕТИ
ВЫДЕЛЕНИЕ ПРИЗНАКОВ
ВРЕМЕННАЯ ОБЛАСТЬ

"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