Ви є тут

Нейроеволюційні методи обробки інформації та управління


Номер роботи - M 75 ПОДАНА

Автор: Безсонов О.О., к.т.н.

Представлена Харківським національним університетом радіоелектроніки

Запропоновано обирати структуру мережі шляхом вирішення задачі багатокритеріальної оптимізації (Парето-оптимізації) та здійснювати її адаптацію за допомогою еволюційних методів, зокрема генетичного алгоритму, що дозволяє значно розширити сферу використання ШНМ при вирішенні практичних задач.

Розроблено багатокрокові проекційні методи навчання нейронних мереж, які на відміну від методу найменших квадратів потребують значно меншого обсягу інформації, необхідної для навчання мережі, та реалізовано їх рекурентні форми, що забезпечує істотне скорочення процесу навчання.

 Запропоновано використання асиметричних функціоналів якості та розроблено на їх основі алгоритми навчання ШНМ, що дозволяє отримувати якісні моделі в умовах негаусовських завад та підвищити ефективність побудови економіко-математичних моделей керування запасами надійності тощо.

Удосконалено моделі обчислювальних засобів, що реалізують ієрархічні нейронні мережі у задачах стиснення та фільтрації зображень, що дозволило значно зменшити апаратні витрати та обсяг пам’яті для зберігання зображень, а також зменшити час їх обробки.

Результати роботи дозволяють вирішувати задачі ідентифікації та управління нелінійними динамічними об’єктами, фільтрації сигналів та зображень у реальному часі.

Кількість публікацій: 79, в т.ч. 30 статей Загальна кількість посилань складає 2 (згідно бази даних Scopus).