Публикация научных работ

05.00.00 Технические науки

МОДИФИЦИРОВАННЫЕ ВЫЧИСЛИТЕЛЬНЫЕ СХЕМЫ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ОПТИМИЗАЦИИ ОБРАБОТКИ ДАННЫХ

Джуманов О.И.

Email: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.

Джуманов Олимжон Исраилович – кандидат технических наук, доцент, кафедра информационных технологий, Самаркандский государственный университет, г. Самарканд, Республика Узбекистан

Аннотация: в статье разработаны методы адаптивного обучения нейронных сетей (НС) на основе проектирования рациональной архитектуры сети, определения числа слоев, нейронов в слоях, весовых коэффициентов сети по древовидной модели в виде ориентированного графа, в котором узлы соответствуют нейронам, а ребра межнейронным связям. Проанализирована эффективность реализации обобщенного алгоритма идентификации случайных временных рядов на основе НС с учетом влияния алгоритмов отбора, формирования информативных наборов обучающих данных, модифицированного обучения сети с настройкой параметров его структурных компонентов. Реализован комплекс программных модулей идентификации для прогнозирования сложных случайных процессов. Доказана эффективность синтеза алгоритмов извлечения и использования знаний, свойств и особенностей нестационарных объектов, обобщения возможностей НС, настройки параметров структурных компонентов.

Ключевые слова: нестационарный объект, идентификация, обработка данных, случайный временный ряд, настройка параметров, нейронная сеть, обучение, многопараметрический случайный процесс.

MODIFIED CALCULATING SCHEMES OF NEURAL NETWORKS FOR OPTIMIZATION OF DATA PROCESSING

Djumanov O.I.

Djumanov Olimjon Israilovich – PhD in Technical science, Associate Professor, INFORMATION TECHNOLOGIES DEPARTMENT, SAMARKAND STATE UNIVERSUTY, SAMARKAND, REPUBLIC OF UZBEKISTAN

Abstract: methods of adaptive learning of neural networks (NN) based on the design of a rational network architecture, determination of the number of layers, neurons in layers, weight coefficients of a network based on a tree-like model in the form of an oriented graph in which the nodes correspond to neurons, and ribs to inter-neural connections are developed in the article. The efficiency of the implementation of generalized algorithm is analyzed during identification of random time series based on NN taking into account the influence of algorithms for selection, formation of informative sets of training data, modified training of the network with adjustment of structural components parameters. A complex of software with identification modules are realized to predict complex random processes. The efficiency of synthesizing of algorithms for extracting and using knowledge, properties and features of non-stationary objects, generalizing the capabilities of NN, adjusting of structural components parameters is proved.

Keywords: non-stationary object, identification, data processing, random time series, parameter adjustment, neural network, training, multiparameter random process.

Список литературы / References

1. Финн В.К. Об интеллектуальном анализе данных // Новости Искусственного интеллекта, 2004. № 3. С. 3-18.
2. Джуманов О.И., Холмонов С.М. Оптимизация обучения нейросетевой системы обработки информации при распознавании и прогнозировании нестационарных объектов// 4-th International Conference on Application of Information and Communication Technologies, Tashkent. 12-14 Оctober 2010. Section 5. IEEE. Tashkent, 2010. Р. 17-21.
3. Djumanov O.I. Adaptive designing for neuronetworking system of processing the data with non-stationary nature // Peer-reviewed & Open access journal “ATI - Applied Technologies & Innovations”. Issue 1. April. 2011. Prague, 2011. Volume 4. Рp. 48-57. 

Ссылка для цитирования данной статьи

		Тип лицензии на данную статью – CC BY 4.0. Это значит, что Вы можете свободно цитировать данную статью на любом носителе и в любом формате при указании авторства.
Джуманов О.И. МОДИФИЦИРОВАННЫЕ ВЫЧИСЛИТЕЛЬНЫЕ СХЕМЫ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ОПТИМИЗАЦИИ ОБРАБОТКИ ДАННЫХ // Проблемы современной науки и образования  №19 (101), 2017. - С. {см. журнал}.

Поделитесь данной статьей, повысьте свой научный статус в социальных сетях