Исследование эффективности решения задачи классификации гибридными сетями Кохонена
Автор: Солдатова Ольга Петровна, Чайка Павел Дмитриевич
Журнал: Известия Самарского научного центра Российской академии наук @izvestiya-ssc
Рубрика: Перспективные информационные технологии
Статья в выпуске: 2-5 т.17, 2015 года.
Бесплатный доступ
В статье приводятся результаты решения задачи классификации стандартной гибридной сетью Кохонена и предложенными авторами модификациями данной модели: составной, распределённой и нечёткой гибридными сетями Кохонена. Исследования проводились на модельных задачах репозитория UCI. Приведены структуры предложенных нейросетевых моделей, описаны методики их обучения. Исследована эффективность решения задачи классификации гибридными сетями Кохонена на основе анализа двух критериев: погрешности классификации и суммарного числа нейронов в сети, при котором достигнута минимальная погрешность классификации.
Гибридная сеть кохонена, составная гибридная сеть кохонена, распределённая гибридная сеть кохонена, нечёткая сеть кохонена, алгоритм wta, алгоритм wtm, алгоритм обратного распространения ошибки, алгоритм c-means
Короткий адрес: https://sciup.org/148203718
IDR: 148203718 | УДК: 004.032.26
Efficiency analysis of solution of classification using hybrid Kohonen neural networks
The results of solution of classification using standard hybrid kohonen neural network and modifications of this model created by authors - composite, distributed and fuzzy hybrid kohonen neural network were obtained in this paper. Researches were performed on dataset models from UCI repository. Neural networks’ structures and teaching algoritms were described. The efficiency of neural networks based on two criterions: classification error and neurons number in network when minimum classification error was archived was researched.
Список литературы Исследование эффективности решения задачи классификации гибридными сетями Кохонена
- Kohonen T. Self-organizing maps//Springer Science & Business Media, 2001. V. 30.
- Осовский С. Нейронные сети для обработки информации . М.: Финансы и статистика, 2002. 344с.
- Haykin S.S. et al. Neural networks and learning machines//Upper Saddle River: Pearson Education, 2009. V. 3.
- Солдатова О.П., Чайка П.Д. Исследование эффективности решения задачи классификации распределённой гибридной сетью Кохонена//Труды международной научно технической конференции «Перспективные информационные технологии (ПИТ 2014)» (Самара, СГАУ, 30 июня-2 июля 2014 г.). Самара: Издательство Самарского научного центра РАН, 2014. с.170-173.
- Солдатова О.П., Чайка П.Д. Использование нечёткой гибридной сети Кохонена для решения задачи классификации//Труды международной научно технической конференции «Перспективные информационные технологии (ПИТ 2015)» (Самара, СГАУ, 28-30 апреля 2015 г.). Самара: Издательство Самарского научного центра РАН, 2015. Т.1. с.218-220.
- Солдатова О.П., Чайка П.Д. Программный комплекс генерации гибридных нейронных сетей для решения задачи классификации эмпирических данных///Свидетельство о государственной регистрации программы для ЭВМ. Рег.№ 2015611353 от 28.01.2015.
- Нейронные сети . URL: http://www.aiportal.ru/articles/neural-networks/neural-networks.html (дата обращения 12.05.2015).
- Bache K., Lichman M. UCI Machine Learning Repository . Irvine, CA: University of California, School of Information and Computer Science, 2013.
