Кластеризація даних нейромережею АDD

Simple item page
dc.citation.epage68
dc.citation.issue549
dc.citation.journalTitleВісник Національного університету “Львівська політехніка”. Інформаційні системи та мережі
dc.citation.spage54
dc.contributor.affiliationЛьвівський національний університет ім. Івана Франка
dc.contributor.authorГодич, О. В.
dc.coverage.placenameЛьвів
dc.coverage.placenameLviv
dc.date.accessioned2020-09-24T09:53:49Z
dc.date.available2020-09-24T09:53:49Z
dc.date.created2005-03-01
dc.date.issued2005-03-01
dc.description.abstractЗапропоновано нову топологію штучної нейромережі та метод її навчання під назвою ADD. Нейромережа ADD разом зі спеціально розробленим для неї методом навчання мас подолати недоліки, притаманні для штучних нейромереж, які базуються на топології SOM. Особливість запропонованої топології нейромережі полягає у поданні чітко окресленої гіперкубічної області у вхідному просторі, дані з якої розпізнаються мета-нейроном.
dc.description.abstractIn the paper that is presented, a new neural network topology is proposed and a new learning method which utilises the distinct features of the proposed neural network is considered. The main virtue of the proposed neural network is the ability to represent a hypercubic area in the input space which defines the boundaries of the data represented by the meta-neuron.
dc.format.extent54-68
dc.format.pages15
dc.identifier.citationГодич О. В. Кластеризація даних нейромережею АDD / О. В. Годич // Вісник Національного університету “Львівська політехніка”. Інформаційні системи та мережі. — Львів : Видавництво Національного університету “Львівська політехніка”, 2005. — № 549. — С. 54–68.
dc.identifier.citationenHodich O. V. Klasteryzatsiia danykh neiromerezheiu ADD / O. V. Hodich // Visnyk Natsionalnoho universytetu "Lvivska politekhnika". Informatsiini systemy ta merezhi. — Lviv : Vydavnytstvo Natsionalnoho universytetu "Lvivska politekhnika", 2005. — No 549. — P. 54–68.
dc.identifier.urihttps://ena.lpnu.ua/handle/ntb/54114
dc.language.isouk
dc.publisherВидавництво Національного університету “Львівська політехніка”
dc.relation.ispartofВісник Національного університету “Львівська політехніка”. Інформаційні системи та мережі, 549, 2005
dc.relation.references1. Kriventseva Е., Biswas М., Apweiler R. Clustering and analysis of protein families. Current Opinion in Structural Biology, 11, pp. 334 - 339, 2001.
dc.relation.references2. Linial M., Linial N., Tishby J., Golan Y. Global self-organization of all known protein sequences reveals inherent biological structures. Journal of Molecular Biology, 268, pp. 539556, 1997.
dc.relation.references3. Miam I., Dubchak 1. Representing and reasoning about protein families using generative and discriminative methods. Journal of Computational Biology, 7(6), pp. 849 - 862, 2000
dc.relation.references4. Kohonen T. Self-organized Formation of Topologically Correct Feature Maps. Biological Cybernetics, 43, pp. 59-69, 1982.
dc.relation.references5. Haykin S. Neural Networks: A comprehensive foundation, Prentice-Hall, New Jersey, 1999.
dc.relation.references6. Si J., Lin S., Vuong M.-A. Dynamic topology representing network, Neural Networks Vol 13, pp. 617-627, 2000.
dc.relation.references7. Fritzke B. Growing cell structure - a self-organising network for unsupervised and supervised learning, Neural Networks, Vol. 7 (9), pp. 1441-1460, 1995
dc.relation.references8. Blackmore, J., Visualizing high-dimensional structure with the incremental grid growing neural network. Thesis, 1995, www.cs.utexas.edu/users/nn/downloads/papers/blackmore.thesis.pdf
dc.relation.references9. Bauer H., Villman T. Growing a hypercubical output space in a self-organizing feature map. IEEE Transactions on Neural Networks, 8, pp. 218-226, 1997.
dc.relation.references10. Годич О. Навчання SOM методом нейронної міграції// Вісник НУ “Львівська політехніка". - 2004. - № 519. - С. 55-72.
dc.relation.references11. Hansen Е., Walster G. Global optimization using interval analysis, Second Edition, Martkel Dekkel, Inc. New York, 2004.
dc.relation.references12. Osowski S. Sieci Neuronowe w ujeciu algorytmicznym. V/ydawnictwo Naukowo-Techniczne, Warszawa, 1996.
dc.relation.referencesen1. Kriventseva E., Biswas M., Apweiler R. Clustering and analysis of protein families. Current Opinion in Structural Biology, 11, pp. 334 - 339, 2001.
dc.relation.referencesen2. Linial M., Linial N., Tishby J., Golan Y. Global self-organization of all known protein sequences reveals inherent biological structures. Journal of Molecular Biology, 268, pp. 539556, 1997.
dc.relation.referencesen3. Miam I., Dubchak 1. Representing and reasoning about protein families using generative and discriminative methods. Journal of Computational Biology, 7(6), pp. 849 - 862, 2000
dc.relation.referencesen4. Kohonen T. Self-organized Formation of Topologically Correct Feature Maps. Biological Cybernetics, 43, pp. 59-69, 1982.
dc.relation.referencesen5. Haykin S. Neural Networks: A comprehensive foundation, Prentice-Hall, New Jersey, 1999.
dc.relation.referencesen6. Si J., Lin S., Vuong M.-A. Dynamic topology representing network, Neural Networks Vol 13, pp. 617-627, 2000.
dc.relation.referencesen7. Fritzke B. Growing cell structure - a self-organising network for unsupervised and supervised learning, Neural Networks, Vol. 7 (9), pp. 1441-1460, 1995
dc.relation.referencesen8. Blackmore, J., Visualizing high-dimensional structure with the incremental grid growing neural network. Thesis, 1995, www.cs.utexas.edu/users/nn/downloads/papers/blackmore.thesis.pdf
dc.relation.referencesen9. Bauer H., Villman T. Growing a hypercubical output space in a self-organizing feature map. IEEE Transactions on Neural Networks, 8, pp. 218-226, 1997.
dc.relation.referencesen10. Hodych O. Navchannia SOM metodom neironnoi mihratsii// Visnyk NU "Lvivska politekhnika", 2004, No 519, P. 55-72.
dc.relation.referencesen11. Hansen E., Walster G. Global optimization using interval analysis, Second Edition, Martkel Dekkel, Inc. New York, 2004.
dc.relation.referencesen12. Osowski S. Sieci Neuronowe w ujeciu algorytmicznym. V/ydawnictwo Naukowo-Techniczne, Warszawa, 1996.
dc.rights.holder© Національний університет “Львівська політехніка”, 2005
dc.rights.holder© Годич О. В., 2005
dc.subject.udc519.7
dc.titleКластеризація даних нейромережею АDD
dc.typeArticle

Files

Original bundle

Now showing 1 - 2 of 2
Thumbnail Image
Name:
2005n549_Hodich_O_V-Klasteryzatsiia_danykh_neiromerezheiu_54-68.pdf
Size:
1.12 MB
Format:
Adobe Portable Document Format
Download
Thumbnail Image
Name:
2005n549_Hodich_O_V-Klasteryzatsiia_danykh_neiromerezheiu_54-68__COVER.png
Size:
458.93 KB
Format:
Portable Network Graphics
Download

License bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
2.94 KB
Format:
Plain Text
Description:
Download

Collections

Комп'ютерні системи та мережі. – 2005. – № 549