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: (<.>A=Intrator, Nathan$<.>)

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

РЖ ВИНИТИ 34 (BI38) 96.07-04А3.58

Intrator, Nathan.
An integrated approach to the study of object features in visual recognition [Text] / Nathan Intrator, Shimon Edelman, Heinrich H. Bulthoff // Network: Comput. Neur. Syst. - 1995. - Vol. 6, N 4. - P603-618 . - ISSN 0954-898X
Перевод заглавия: Интегрированный подход к изучению признаков объектов в зрительном распознавании
Аннотация: Предложен подход к оценке релевантности теории синаптической модификации как модели выделения признаков в зрении человека. Проведена серия психологических экспериментов по распознаванию частично закрытых зрительных стимулов. Сравнивались методы анализа главных компонент, статистика высших порядков и различные алгоритмы сжатия данных. Обнаружено, что маски, определенные с помощью анализа главных компонент изображений, оказываются наиболее эффективными для распознавания двоичных объектов. Израиль, School of Mathematical Sci., Raymond and Beverly Sacker Faculty of Exact Sci., Tel Aviv Univ., Tel Aviv 69978. Ил. 4. Табл. 2. Библ. 41

ГРНТИ	34.55.21

ВИНИТИ 341.55.21.27.11
Рубрики: ЗРИТЕЛЬНОЕ ВОСПРИЯТИЕ
ПРИЗНАКИ ОБЪЕКТОВ
МАСКИ

Доп.точки доступа:
Edelman, Shimon; Bulthoff, Heinrich H.

РЖ ВИНИТИ 34 (BI38) 98.02-04А3.119

Naftaly, Ury.
Optimal ensemble averaging of neural networks [Text] / Ury Naftaly, Nathan Intrator, David Horn // Network: Comput. Neur. Syst. - 1997. - Vol. 8, N 3. - P283-296 . - ISSN 0954-898X
Перевод заглавия: Оптимальное усреднение ансамблей нейронных сетей
Аннотация: Рассмотрены методы обучения ансамблей нейронных сетей, основанные на усреднении. Изучена их эффективность с точки зрения снижения ошибки предсказания. Описан метод усреднения непосредственно на начальных значениях. Показано, что функция ошибки вблизи минимума в ансамбле более плоская, чем в одиночных сетях; благодаря этому упрощаются условия остановки. Приведены результаты испытаний при анализе изображений пятен на Солнце, а также в предсказании ситуации на энергетическом рынке и разработке оптимальных стратегий соревнования с конкурентами. Израиль, Raymond and Beverly Sackler Faculty of Exact Sci., Tel Aviv Univ., Tel Aviv 69978. Ил. 9. Табл. 3. Библ. 19

ГРНТИ	34.53.19

ВИНИТИ 341.53.19.09
Рубрики: НЕЙРОННЫЕ СЕТИ
АНСАМБЛИ
ОПТИМАЛЬНОЕ УСРЕДНЕНИЕ

Доп.точки доступа:
Intrator, Nathan; Horn, David

РЖ ВИНИТИ 34 (BI38) 98.03-04А3.55

Intrator, Nathan.
Learning low-dimensional representations via the usage of multiple-class labels [Text] / Nathan Intrator, Shimon Edelman // Network: Comput. Neur. Syst. - 1997. - Vol. 8, N 3. - P259-281 . - ISSN 0954-898X
Перевод заглавия: Построение представлений с малой размерностью посредством меток многих классов
Аннотация: Предложен метод снижения размерности представлений в обучающейся системе, основанный на использовании меток многих классов. Новый метод эффективен в задачах распознавания в случае многих классов с помощью многослойных нейронных сетей с малым размером скрытых слоев. Представлены результаты испытаний в задаче распознавания фрактальных изображений и человеческих лиц; результаты показывают, что описанный метод обеспечивает повышенное быстродействие при сохранении топологии объектов на изображении. США, Inst. for Brain and Neural Sys., Brown Univ., Providence, RI 02192. Ил. 17. Библ. 54

ГРНТИ	34.55.21

ВИНИТИ 341.55.21.27.15 + 341.53.19.09
Рубрики: РАСПОЗНАВАНИЕ ОБРАЗОВ
ПРЕДСТАВЛЕНИЯ С МАЛОЙ РАЗМЕРНОСТЬЮ
НЕЙРОННЫЕ СЕТИ

Доп.точки доступа:
Edelman, Shimon

РЖ ВИНИТИ 34 (BI38) 99.09-04А3.48

Avnimelech, Ran.
boosted mixture of experts: An ensemble learning scheme [Text] / Ran Avnimelech, Nathan Intrator // Neural Comput. - 1999. - Vol. 11, N 2. - P483-497 . - ISSN 0899-7667
Перевод заглавия: Усиленная смесь экспертов. Схема ансамблевого обучения
Аннотация: Разработана схема обучения ансамбля машин с учителем, основанная на объединении своеобразного варианта смеси экспертов с алгоритмом усиления (Schapire R. "Machine Learning," 1991, 5(2), 197-227). Основным достоинством предлагаемого подхода является возможность изменения динамических характеристик модели непосредственно в ходе работы. Для иллюстрации приведены примеры использования описанного метода в распознавании цифр из большой базы данных NIST. Израиль, Dep. of Computer Sci., Sackler Faculty of Exact Sci., Tel-Aviv Univ., Tel-Aviv. Ил. 2. Табл. 1. Библ. 26

ГРНТИ	34.55.21

ВИНИТИ 341.55.21.19.25
Рубрики: ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ
СИСТЕМЫ
АНСАМБЛЕВОЕ ОБУЧЕНИЕ

Доп.точки доступа:
Intrator, Nathan

РЖ ВИНИТИ 34 (BI38) 99.09-04А3.140

Avnimelech, Ran.
Boosting regression estimators [Text] / Ran Avnimelech, Nathan Intrator // Neural Comput. - 1999. - Vol. 11, N 2. - P499-520 . - ISSN 0899-7667
Перевод заглавия: Усиление алгоритмов регрессионной оценки
Аннотация: Описаны возможности обобщения алгоритма усиления (Schapire R. "Machine Learning" 1991, 5(2) 197-227) на случай более широкого класса регрессионных задач. Идея заключается в использовании аналогии между ошибками классификации и большими ошибками в регрессии. Приведено описание разработанного алгоритма. Для иллюстрации его возможностей приведены примеры анализа временных рядов. Новый метод работал лучше, чем стандартное усреднение по ансамблю независимых экспертных оценок. Библ. 22

ГРНТИ	34.53.19

ВИНИТИ 341.53.19.09
Рубрики: ОБРАБОТКА ДАННЫХ
ВРЕМЕННЫЕ РЯДЫ
АЛГОРИТМЫ
НЕЙРОННЫЕ СЕТИ

Доп.точки доступа:
Intrator, Nathan

РЖ ВИНИТИ 34 (BI51) 90.01-04И10.445

Katzir, Gadi.
Stationary underwater prey missed by reef herons, Fgretta gularis: head position and light refraction at the moment of strike [Text] / Gadi Katzir, Arnon Lotem, Nathan Intrator // J. Comp. Physiol. A. - 1989. - Vol. 165, N 4. - P573-576 . - ISSN 0340-7594
Перевод заглавия: Промахи рифовых цапель по неподвижно закрепленной подводной добыче: позиция головы и рефракция света в момент броска
Аннотация: Экспериментально оценена позиция головы (глаз) рифовой цапли (РЦ; Egretta gularis schistacea) в момент броска с учетом световой рефракции. РЦ тестировались индивидуально. В качестве добычи использована мертвая Tilapia sp. 1,5 см длиной. Движения РЦ снимали на кинопленку и анализировали. Промахи по погруженной добыче (34 из 263) были значительно чаще, чем по непогруженной добыче (ни одного промаха из 167 бросков). Т. о. с увеличением глубины нахождения добычи увеличивалась вероятность промаха РЦ. Рыба помещалась в 3 различных позициях (по горизонтали) от РЦ. Чем дальше была удалена добыча (позиция 3), тем чаще РЦ промахивалась. В случае с погруженной рыбой, время, затрачиваемое на подготовку к броску увеличивалось от позиции 1 к позиции 3; для непогруженной добычи такая тенденция не отмечена. Т. обр. промахи РЦ зависели от угла зрения; при более остром угле вероятность промаха была выше. РЦ перед броском ищет пространственную позицию, при к-рой реальная глубина нахождения добычи и кажущаяся глубина линейно скоррелированы. Израиль, Dept. of Zool., Tel-Aviv Univ., Tel-Aviv 69978. Ил. 7. Библ. 11.

ГРНТИ	34.33.27

ВИНИТИ 341.33.27.19.25.31
Рубрики: ЦАПЛИ
EGRETTA GULARIS (AVES)
КОРМОВОЕ ПОВЕДЕНИЕ
МЕТОДЫ ИССЛЕДОВАНИЙ
РИФОВАЯ ЦАПЛЯ
ОХОТА
ПРОМАХИ
РЕФРАКЦИЯ СВЕТА
ИЗРАИЛЬ

Доп.точки доступа:
Lotem, Arnon; Intrator, Nathan

РЖ ВИНИТИ 34 (BI38) 94.01-04А3.279

Intrator, Nathan.
Combining exploratory projection pursuits and projection pursuit regression with application to neural networks [Text] / Nathan Intrator // Neural Comput. - 1993. - Vol. 5, N 3. - P443-455 . - ISSN 0899-7667
Перевод заглавия: Объединение прослеживания проекций с исследованием и регрессионного прослеживания проекций для применения в нейронных сетях
Аннотация: Предложен новый метод классификации и регрессионного анализа, объединяющий прослеживание проекций с исследованием (обучение (Об) без учителя) и регрессию при прослеживании проекций (Об с учителем) для построения добавочных термов в штрафной ф-ции, позволяющих учитывать сложность Об нейронных сетей. Приведено описание разработанной процедуры Об с иллюстративными примерами, показывающими ее возможности. Показано, что метод позволяет усиливать способность нейронной сети и обобщению обучающей информации. Представлены результаты, полученные в ходе экспериментов в реальных прикладных задачах. США, Inst. for Brain and Neural Systems, Brown Univ., Box 1843, Providence, RI 02912. Ил. 1. Библ. 62.

ГРНТИ	34.53.19

ВИНИТИ 341.53.19.09
Рубрики: НЕЙРОННЫЕ СЕТИ
ОБУЧЕНИЕ
КЛАССИФИКАЦИЯ
РЕГРЕССИОННЫЙ АНАЛИЗ
ПРОСЛЕЖИВАНИЕ ПРОЕКЦИЙ
ОБЗОРЫ
БИБЛ. 62

"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