Preview

Доклады БГУИР

Расширенный поиск

МЕТОДЫ ОБУЧЕНИЯ Z-КЛАССИФИКАТОРОВ

Аннотация

Рассмотрено использование генетического и градиентного алгоритмов для обучения классификаторов, основанных на Z-модели. Предлагается комбинированный метод, суть которого состоит в их последовательном применении для предварительного и окончательного обучения. Полученный метод позволяет настраивать все параметры модели, включая целочисленные, и обеспечивает приемлемое качество настройки Z-модели классификации.

Об авторах

Д. А. Лавникевич
Белорусский государственный университет информатики и радиоэлектроники
Беларусь


М. М. Татур
Белорусский государственный университет информатики и радиоэлектроники
Беларусь


Список литературы

1. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы. М., 2007.

2. Борисов В.В., Круглов В.В., Федулов А.С. Нечеткие модели и сети. М., 2007.

3. Хайкин С. Нейронные сети: полный курс, 2-е издание. М., 2008.

4. Татур М.М., Одинец Д.Н. Классификаторы в системах распознавания: прикладные аспекты синтеза и анализа. Минск, 2008.

5. Tatur M., Adzinets D., Lavnikevich D. et. al. // Nonlinear phenomena in complex systems, An Interdisciplinary Journal. 2011. Vol. 14.

6. Татур М., Одинец Д., Островский В и др. // Докл. БГУИР. 2010. № 5. С. 76-81.


Рецензия

Для цитирования:


Лавникевич Д.А., Татур М.М. МЕТОДЫ ОБУЧЕНИЯ Z-КЛАССИФИКАТОРОВ. Доклады БГУИР. 2013;(6):98-101.

For citation:


Lavnikevich D.A., Tatur M.M. METHODS OF Z-CLASSIFIERS LEARNING. Doklady BGUIR. 2013;(6):98-101. (In Russ.)

Просмотров: 2382


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 1729-7648 (Print)
ISSN 2708-0382 (Online)