Вісники та науково-технічні збірники, журнали

Permanent URI for this communityhttps://ena.lpnu.ua/handle/ntb/12

Browse

Author: search.filters.author.Ткаченко, Р. О.

Search Results

Now showing 1 - 5 of 5
  • Thumbnail Image
    Item
    Стекінг нейроподібної структури МПГП з RBF шаром на підставі генерування випадкового кортежу її гіперпараметрів для завдань прогнозування
    (Видавництво Львівської політехніки, 2021-10-10) Ткаченко, Р. О.; Ізонін, І. В.; Данилик, В. М.; Михалевич, В. Ю.; Tkachenko, R. O.; Izonin, I. V.; Danylyk, V. M.; Mykhalevych, V. Yu.; Національний університет “Львівська політехніка”; Lviv Polytechnic National University
    Підвищення точності прогнозування засобами штучного інтелекту є важливим завданням у різних галузях промисловості, економіки, медицини. Ансамблеве навчання – один із можливих варіантів досягнення цього. Зокрема, побудова стекінгових моделей на підставі різних методів машинного навчання чи з використанням різних частин наявного набору даних демонструє високу точність прогнозу. Проте потреба правильного підбору членів ансамблю, їх оптимальних параметрів тощо зумовлює необхідність великих часових витрат на підготовку та навчання таких моделей. В роботі запропоновано дещо інший підхід до побудови простого, проте ефективного ансамблевого методу. Розроблено нову модель стекінгу нелінійних нейроподібних структур МПГП, основану на використанні тільки одного типу ШНМ як елементної бази ансамблю та застосуванні однакової для усіх членів ансамблю навчальної вибірки. Такий підхід забезпечує певні переваги порівняно з процедурами побудови ансамблів на підставі різних методів машинного навчання, як мінімум у напрямі підбору оптимальних параметрів для кожного з них. Як основу ансамлювання в нашому випадку використано кортеж випадкових гіперпараметрів для кожного окремого члена ансамблю, тобто навчання кожної комбінованої нейроподібної структури МПГП з додатковим RBF шаром як окремого члена ансамблю здійснюється із використанням різних, випадково вибраних значень центрів RBF та центрів мас. Це забезпечує необхідне різноманіття елементів ансамблю. Експериментальні дослідження щодо ефективності роботи запропонованого ансамблю проведено із використанням реального набору даних. Завдання полягає у прогнозуванні величини медичних страхових виплат на підставі низки незалежних атрибутів. Експериментально визначено оптимальну кількість членів ансамблю, яка забезпечує найвищу точність розв’язання поставленої задачі. Здійснено порівняння результатів роботи запропонованого ансамблю з наявними методами цього класу. Встановлено найвищу точність розробленого ансамблю за задовільної тривалості процедури його навчання.
  • Thumbnail Image
    Item
    Штучні нейромережі в системах захисту інформаційних ресурсів
    (Видавництво Національного університету «Львівська політехніка», 2000) Грицик, В. В.; Майоров, А. Ю.; Ткаченко, Р. О.
    У статті описані підходи до розв’язку проблеми шифрування закритої інформації. Пропонується новий метод побудови криптографічних систем на базі ФТФ нейронних мереж.
  • Thumbnail Image
    Item
    Програмно-апаратна реалізація багатошарового перцептрона з неітераційним навчанням на базі різницевого вертикального таблично-алгоритмічного методу
    (Видавництво Львівської політехніки, 2010) Ткаченко, Р. О.; Цмоць, І. Г.; Скорохода, О.; Балич, Б. І.
    Розроблено метод і структуру нейроелемента з різницевим вертикально-алгоритмічним обчисленням, синтезовано на базі нейроелемента та функціонально-орієнтованого процесора пристрій для реалізації багатошарового перцептрона з неітераційним навчанням. The model of multilayer perceptrons with non-iterative training has been considered, vertical-tabular principles of neural elements work have been analyzed. Basic structure of neural element with vertical-tabular implementation of even products sum has been developed.
  • Thumbnail Image
    Item
    Побудова вхідного та вихідного шарів штучних нейронних мереж
    (Видавництво Державного університету «Львівська політехніка», 2000) Ткаченко, Р. О.; Юрчак, Ю. І.
    Розглядаються питання практичної побудови штучних нейронних мереж на основі моделі ФТФ, попередньої підготовки елементів навчальної множини.
  • Thumbnail Image
    Item
    Вдосконалення нейромережних методів класифікації в завданнях інтелектуального аналізу даних за допомогою методу імітації відпалу металу
    (Видавництво Національного університету “Львівська політехніка”, 2007) Ткаченко, Р. О.; Дорошенко, А. В.
    Проаналізовано особливості постановки та підходи до розв’язання задач класифікації для випадків великорозмірних завдань інтелектуального аналізу даних. Подано основи нейромережного методу класифікації, вдосконаленого завдяки оптимізації методу імітації відпалу металу, та результати його апробації. The article analyses the features of the target setting and the approach to solving a problem of classification task for Data Mining tasks where data are high-dimensional. Essential principles of the method of classification on the base of neural networks are proposed. This method of classification is improved by simulated annealing algorithm. The results of classification are proposed.