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.
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:
4158