Комп'ютерні науки та інформаційні технології. – 2012. – №732

Permanent URI for this collectionhttps://ena.lpnu.ua/handle/ntb/14789

Вісник Національного університету "Львівська політехніка"

У віснику публікуються статті за результатами досліджень з актуальних питань комп’ютерних наук та інформаційних технологій, виконаних професорсько-викладацьким складом Національного університету “Львівська політехніка” та провідними вченими України в галузі проектування архітектури і компонентів комп’ютерних систем, моделювання складних об’єктів, процесів і систем та розробки і використання новітніх інформаційних технологій. Для науковців, викладачів вищих навчальних закладів, інженерів, що спеціалізуються у сфері новітніх обчислювальних систем, мереж, комп’ютеризованих засобів розв’язання задач цифрового опрацювання сигналів і зображень, автоматизованого проектування та керування, а також докторантів, аспірантів та студентів старших курсів відповідних спеціальностей.

Вісник Національного університету «Львівська політехніка» : [збірник наукових праць] / Міністерство освіти і науки України, Національний університет «Львівська політехніка». – Львів : Видавництво Львівської політехніки, 2012 . – № 732: Комп’ютерні науки та інформаційні технології / відповідальний редактор Ю. М. Рашкевич. – 407 с. : іл.

Browse

Search Results

Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    Вплив функції активації RBF нейронної мережі на ефективність прогнозування кількості відмов програмного забезпечення
    (Видавництво Львівської політехніки, 2012) Яковина, В.
    Досліджено вплив функції активації нейронної мережі типу RBF на ефективність навчання та прогнозування надійності програмного забезпечення у вигляді часових рядів. Показано, що оптимальною функцією активації для цієї задачі є Inverse Multiquadric з 10 нейронами у вхідному шарі та 30 – у прихованому. In this paper the affect of RBF neural network activation function on the network learning efficiency and software reliability prediction is studied. The obtained results show that the optimal activation function is Inverse Multiquadric with 10 neurons in the input layer and 30 neurons in the hidden one.