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=Kohonen, Teuvo$<.>)

Общее количество найденных документов : 9
Показаны документы с 1 по 9

РЖ ВИНИТИ 34 (BI38) 98.02-04А3.54

Kohonen, Teuvo.
Self-organized formation of various invariant-feature filters in the adaptive-subspace SOM [Text] / Teuvo Kohonen, Samuel Kaski, Harri Lappalainen // Neural Comput. - 1997. - Vol. 9, N 6. - P1321-1344 . - ISSN 0899-7667
Перевод заглавия: Механизм возникновения самоорганизации различных фильтров, инвариантных относительно признаков, в самоорганизующейся карте признаков с адаптивными подпространствами
Аннотация: Разработана карта признаков с адаптивными подпространствами - модульная нейронная сеть, в которой отдельные модули работают с сигналами, повергнутыми простым преобразованиям разных видов. Обучение - без учителя, на основе соревнования. В результате достигается инвариантность относительно различных изменений входных данных. Описана схема подключения модулей в зависимости от характера встречающихся искажений. Проведен анализ механизм возникновения самоорганизации различных фильтров. Финляндия, Helsinki Univ. of Technology, Neural Network Res. Center, Espoo. Ил. 10. Библ. 30

ГРНТИ	34.55.21

ВИНИТИ 341.55.21.27.15
Рубрики: НЕЙРОННЫЕ СЕТИ
САМООРГАНИЗУЮЩАЯСЯ КАРТА ПРИЗНАКОВ
ФИЛЬТРЫ
АДАПТИВНОЕ ПОДПРОСТРАНСТВО

Доп.точки доступа:
Kaski, Samuel; Lappalainen, Harri

РЖ ВИНИТИ 34 (BI38) 00.10-04А3.151

Kohonen, Teuvo.
Comparison of SOM point densities based on different criteria [Text] / Teuvo Kohonen // Neural Comput. - 1999. - Vol. 11, N 8. - P2081-2095 . - ISSN 0899-7667
Перевод заглавия: Сравнение плотности точек в самоорганизующихся картах на основании различных критериев
Аннотация: Проведена экспериментальная оценка плотности кодовых точек в самоорганизующихся картах. Для 1-мерного случая с малой длиной и известной функцией распределения входных сигналов получены точные оценки. Использовано несколько разных критериев. Разработана новая методика сравнения, основанная на использовании методов вариационного исчисления. Для случая самоорганизующейся карты с произвольной, но одинаковой для всех входных векторов размерностью, получено подтверждение верности известного степенного закона. Финляндия, Helsinki Univ. of Technology, Neural Networks Research Centre, FIN-02015 HUT, Espoo. Табл. 3. Библ. 14

ГРНТИ	34.53.19

ВИНИТИ 341.53.19.09
Рубрики: НЕЙРОННЫЕ СЕТИ
САМООРГАНИЗУЮЩИЕСЯ КАРТЫ
ПЛОТНОСТЬ ТОЧЕК
КРИТЕРИИ

РЖ ВИНИТИ 34 (BI24) 03.02-04М3.288

Kohonen, Teuvo.
Where the abstract feature maps of the brain might come from [Text] / Teuvo Kohonen, Riitta Hari // Trends Neurosci. - 1999. - Vol. 22, N 3. - P135-139 . - ISSN 0166-2236
Перевод заглавия: Откуда могут возникнуть карты абстрактных особенностей мозга
Аннотация: Три типа нейронных структур могут быть отнесены к "картам мозга": наборы сенсорных клеток, упорядоченные проекции между нейронными слоями и упорядоченные карты абстрактных особенностей. Предполагается, что такие карты особенностей формируются в процессе, включающем создание параллельного входа к нейронам в области мозга и адаптацию нейронов по соседству с клетками, которые реагируют наиболее сильно на этот вход. Представлены новые математические выражения для такой адаптации и их отношения к физиологическим функциям. Финляндия, Helsinki Univ. of Technol., Espoo. Ил. 3. Библ. 44

ГРНТИ	34.39.19

ВИНИТИ 341.39.19.02
Рубрики: МАТЕМАТИЧЕСКИЕ МОДЕЛИ
НЕЙРОННЫЕ СЕТИ
"КАРТЫ МОЗГА"
АБСТРАКТНЫЕ ОСОБЕННОСТИ
НЕЙРОНЫ
АДАПТАЦИЯ

Доп.точки доступа:
Hari, Riitta

РЖ ВИНИТИ 34 (BI38) 03.02-04А3.33

Kohonen, Teuvo.
Where the abstract feature maps of the brain might come from [Text] / Teuvo Kohonen, Riitta Hari // Trends Neurosci. - 1999. - Vol. 22, N 3. - P135-139 . - ISSN 0166-2236
Перевод заглавия: Откуда могут возникнуть карты абстрактных особенностей мозга
Аннотация: Три типа нейронных структур могут быть отнесены к "картам мозга": наборы сенсорных клеток, упорядоченные проекции между нейронными слоями и упорядоченные карты абстрактных особенностей. Предполагается, что такие карты особенностей формируются в процессе, включающем создание параллельного входа к нейронам в области мозга и адаптацию нейронов по соседству с клетками, которые реагируют наиболее сильно на этот вход. Представлены новые математические выражения для такой адаптации и их отношения к физиологическим функциям. Финляндия, Helsinki Univ. of Technol., Espoo. Ил. 3. Библ. 44

ГРНТИ	34.55.19

ВИНИТИ 341.55.19.09.13
Рубрики: МАТЕМАТИЧЕСКИЕ МОДЕЛИ
НЕЙРОННЫЕ СЕТИ
"КАРТЫ МОЗГА"
АБСТРАКТНЫЕ ОСОБЕННОСТИ
НЕЙРОНЫ
АДАПТАЦИЯ

Доп.точки доступа:
Hari, Riitta

РЖ ВИНИТИ 34 (BI38) 89.05-04А3.112

Kohonen, Teuvo.
Self-learning interence rules by dynamically expanding context [Text] / Teuvo Kohonen // IEEE 1 st Int. Conf. Neural Networks, San Diego, Calif., June 21-24, 1987. - San Diego (Calif.), 1987. - Vol. 2. - P3-9
Перевод заглавия: Самообучение правилам вывода с помощью динамически расширяющегося контекста
Аннотация: Разработана схема автоматического поиска правил (П) логического вывода по последовательности символьных и др. дискретных данных, полученных при анализе фонетических сигналов в системах автоатического распознавания речи. Система основана на процедуре динамического расширения контекста и дает возможность автоматически находить десятки тысяч различных контекстов-зависимых П. Описаны П исправления ошибок типа выпадения и замещения символов, устр-во памяти для хранения П, процедура их оценки. Приведены также описания выполненных экспериментальных проверок системы и полученных результатов. Финляндия, Helsinki Univ. of Technology Lab of Computer and Information Sci Rakentajanaukio 2 С SF-02150 Espoo. Библ. 2.

ГРНТИ	34.55.21

ВИНИТИ 341.55.21.27.15
Рубрики: РАСПОЗНАВАНИЕ ОБРАЗОВ
ВЫВОД
КОНТЕКСТ
РЕЧЬ

РЖ ВИНИТИ 34 (BI38) 89.10-04А3.185

Kohonen, Teuvo.
State of the art in neural computing [Text] / Teuvo Kohonen // IEEE 1st Int. Conf. Neural Networks, San Diego, Calif., Hune 21-24, 1987. - San Diego (Calif.), 1987. - Vol. 1. - PI/79-II/90
Перевод заглавия: Современное состояние в области вычислительных моделей нейронных систем
Аннотация: Обзор. Авт. делает попытку осмыслить положение в обл. моделирования нейронных сетей (НС). Авт. считает, что искусственные НС - это почти полностью параллельлные сети из простых (обычно адаптивных) элементов, а их иерархическая организация, необходимая для взаимодействия с объектами реального мира, является аналогичной организации нервной системы живых существ. Анализируя работы по моделям НС, к-рых насчитывается уже 'ЭКВИВ'1 тыс., авт. выделяет след. категории моделей: 1) уровень отдельных несвязанных нейронов; 2) агрегатные модели (несколько кооперативно работающих нейронов для выполнения специализированных задач, напр., управления локомоцией); 3) уровень НС (большое число нейронов, объединенных в НС для выполнения таких ф-ций, как фильтарция, нелинейная обратная связь); 4) уровень нервной системы (несколько разных НС с разными св-вами объединены для выполнения сложных задач восприятия, контроля движений и т. п.); 5) уровень мыслительных операций (процедуры, алгоритмы и стратегии обработки информации в головном мозге человека). Сделан ряд рекомендаций и выводов, необходимых для построения "нейрокомпьютеров", в т. ч.: живые НС (мозг) не имеют отношения к цифровым и логическим схемам; ни нейроны, ни синапсы не являются элементами памяти с 2-мя состояниями, поэтому спиновые аналогии не могут применяться для описания реальных НС; при вычислениях в НС не используются машинные команды или временные коды; НС в головном мозге не имеют спец. схем для решения задач, оптимизации, принятия решений; даже на самых высоких уровнях характер обработки информации в головном мозге и в ЭВМ различен. Приводятся также нек-рые сведения по реализации НС на базе технологии БИС. Финляндия, Helsinki Univ. of Technology Lab. of Computer and Information Sci. SF-02150 Espoo. Библ. 19.

ГРНТИ	34.53.19

ВИНИТИ 341.53.19
Рубрики: НЕЙРОННЫЕ СЕТИ
ВЫЧИСЛИТЕЛЬНЫЕ МОДЕЛИ
УРОВНИ

РЖ ВИНИТИ 34 (BI38) 90.07-04А3.195

Kohonen, Teuvo.
Adaptive, associative, and self-organizing function in neural computing [Text] / Teuvo Kohonen // Appl. Opt. - 1987. - Vol. 26, N 23. - P4910-4918 . - ISSN 0003-6935
Перевод заглавия: Адаптивные, ассоциативные и самоорганизующиеся функции в нейрокомпьютинге
Аннотация: Сделана попытка обобщить ряд адаптивных и кооперативных операций и процедур, к-рые применяются при вычислительном моделировании нейронных сетей (в "нейрокомпьютинге"). Авт.- один из наиболее крупных специалистов в этой обл.- смог достичь компромисса между точностью биол. аналогий и строгостью мат. формулировок. Рассмотрено 2 типа диф. ур-ний встречающихся в нейрокомпьютинге - ур-ния, описывающие эл. процессы в нейронах, и ур-ния, описывающие адаптивные процессы при обучении нейронных сетей (модификацию весов связей). Приводятся примеры решения реальных задач с помощью нейронных сетей, в частности, задачи ассоциативного запоминания фотографий лиц. Финляндия, Helsinki University of Technology, Laboratory of Computer & Information Science, Rakentajanaukio 2С, SF-02150 Espoo. Ил. 5. Библ. 31.

ГРНТИ	34.53.19

ВИНИТИ 341.53.19
Рубрики: НЕЙРОННЫЕ СЕТИ
МАТЕМАТИЧЕСКИЕ МОДЕЛИ
НЕЙРОКОМПЬЮТИНГ

РЖ ВИНИТИ 34 (BI38) 90.11-04А3.237

Variants of self-organizing maps [Text] / Jari Kangas [et al.] // IJCNN Int. Joint Conf. Neural Networks, Washington, 1989. - New York (N. Y.), 1989. - Vol. 2. - P517-522
Перевод заглавия: Варианты карт самоорганизации
Аннотация: Рассмотрены 2 направления усовершенствования карт самоорганизации - динамическая процедура присвоения весов входных сигналов в каждой клетке, что позволяет упорядочивать входную информацию при больших структурных различиях между входными сигналами, и метод определения соседей в обучающем алгоритме, основанный на построении миним. остовного дерева, обеспечивающий более быструю и более качеств. аппроксимацию структурирующих ф-ций плотности. Разработана также методика отбора векторов для квантования в задачах распознавания и принятия решений т. обр., чтобы сразу определить границы классов. Финляндия, Helsinki Univ. of Technology Lab. of Computer and Information Sci. Rakentajanaukio 2 С, SF-02150 Espoo. Ил. 9. Библ. 6.

ГРНТИ	34.53.19

ВИНИТИ 341.53.19
Рубрики: НЕЙРОННЫЕ СЕТИ
КАРТЫ САМООРГАНИЗАЦИИ
ОБУЧЕНИЕ
РАСПОЗНАВАНИЕ ОБРАЗОВ

Доп.точки доступа:
Kangas, Jari; Kohonen, Teuvo; Laaksonen, Jorma; Simula, Olli; Venta, Olli

РЖ ВИНИТИ 34 (BI38) 92.04-04А3.162

Kohonen, Teuvo.
Neurotietokoneet [Text] / Teuvo Kohonen // Arkhimedes. - 1990. - Vol. 42, N 3. - С. 271-274 . - ISSN 0004-1920
Перевод заглавия: Нейронно-сетевые ЭВМ
Аннотация: Обзор современных нейронно-сетевых ЭВМ. Описаны наиболее распространенные нейронно-сетевые модели, типы нейронов, принципы аппаратной реализации нейронных сетей и процедуры обучения. Рассмотрены наиболее перспективные обл. практического применения нейронносетевых ЭВМ - распознавание образов, обработка сигналов и Из, управление роботами и принятие решений. Финляндия, Teknillinen korkeakoulu, tietoteknikan osasto 02140 Espoo. Библ. 11.

ГРНТИ	34.53.19

ВИНИТИ 341.53.19.09
Рубрики: НЕЙРОННЫЕ СЕТИ
НЕЙРОННОСЕТЕВЫЕ ЭВМ
ОБЗОРЫ
БИБЛ. 11

"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