Комп'ютерні науки та інформаційні технології. – 2012. – №744

Permanent URI for this collectionhttps://ena.lpnu.ua/handle/ntb/19179

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 . – № 744: Комп’ютерні науки та інформаційні технології / відповідальний редактор Ю. М. Рашкевич. – 323 с. : іл.

Browse

Filters

20121

Settings

Subject: search.filters.subject.W-neuron

Search Results

Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    Адаптивний w-нейрон та його навчання в задачах прогнозування і виявлення розладнань
    (Видавництво Львівської політехніки, 2012) Бодянський, Є.; Винокурова, О.
    Розглянуто структуру адаптивного W-нейрона та його метод навчання. Запропонований алгоритм навчання має підвищену швидкість збіжності та забезпечує покращені апроксимуючі властивості за рахунок настроювання усіх параметрів вейвлет- функцій. Введена підсистема виявлення розладнань для W-нейрона, що дає змогу розв’язувати задачі діагностування в on-line режимі стохастичних процесів. Adaptive W-neuron and its learning algorithm are considered. Proposed learning algorithm has increased convergence rate and provides improved approximative properties because of the all wavelet parameters tuning. The fault detection subsystem for W-neuron that allows to solve a stochastic process diagnosing problems in on-line mode. Key words: W-neuron, learning algorithm, prediction, fault detection.