Другие журналы

научное издание МГТУ им. Н.Э. Баумана

НАУКА и ОБРАЗОВАНИЕ

Издатель ФГБОУ ВПО "МГТУ им. Н.Э. Баумана". Эл № ФС 77 - 48211.  ISSN 1994-0408

#8 август 2004

Наука и образование: Электронное научное издание
Ассоциативная нейронная сеть СМАС. Структура, объем памяти, обучение и базисные функции
#8 август 2004
Приводится описание нейронной сети и алгоритм нелинейного преобразования аргументов. Определяется объем памяти сети и дается ее алгоритм обучения. Устанавливаются свойства базисных функций сети.
Ассоциативная нейронная сеть СМАС Часть II Процессы обучения, ускоренное обучение, влияние помех, устранение влияния помех в двухслойной сети
#8 август 2004
В части I настоящей работы [1] была описана ассоциативная нейронная сеть СМАС, название которой происходит от первых букв ее полного английского названия: Cerebellar Model Articulation, (мозжечковая модель суставного регулятора). Были представлены алгоритм обучения этой сети и ее система базисных функций. Приведены результаты обучения сети по запоминанию ряда функций двух аргументов. Описаны алгоритмы обучения сети, которые имеют более высокую скорость сходимости по сравнению с представленным в первой части статьи стандартным алгоритмом обучения Альбуса—Качмажа. Исследовано влияние аддитивых помех на процесс обучения сети и описана двухслойная нейронная сеть СМАС, в которой устранено влияние помех и которая воспроизводит функции точнее по сравнению с обычной сетью СМАС, даже при отсутствии помех измерений.
Цели автоматизации проектирования и средства их реализации в системе СПРУТ
#8 август 2004
Анализируется ход развития систем автоматизированного проектирования и управления, описывается архитектура системы СПРУТ, представляющей собой операционную среду с полным набором инструментальных средств для компьютеризации инженерной деятельности. Приведено описание дерева целей применительно к проблематике автоматизации проектирования и средств их достижения в системе СПРУТ. Изложены принципы реализации новой информационной технологии (RAD-технологии) быстрой разработки прикладных систем с использованием СПРУТ.
Нейросетевые алгоритмы прогнозирования в инструментальном производстве
#8 август 2004
DOI: 10.7463/0804.0551050
профессор, д.т.н. Булдакова Т. И., Суятинов С. И., Колентьев С. В.
Рассматриваются различные задачи прогнозирования в инструментальном производстве и исследуются подходы к их решению. Выявляются особенности учета нестационарных производственных факторов и скрытых взаимосвязей. Обосновывается необходимость применения искусственных нейронных сетей. Предлагаются алгоритмы прогнозирования загрузки оборудования, потребности в материале, прогноза брака и потребления энергии, которые реализуются с помощью нейросети прямого распространения. Приводятся примеры задач прогнозирования в информационно-аналитической системе управления снабжением и производством инструмента.
 
ПОИСК
 
elibrary crossref ulrichsweb neicon rusycon
 
ЮБИЛЕИ
ФОТОРЕПОРТАЖИ
 
СОБЫТИЯ
 
НОВОСТНАЯ ЛЕНТА



Авторы
Пресс-релизы
Библиотека
Конференции
Выставки
О проекте
Rambler's Top100
Телефон: +7 (915) 336-07-65 (строго: среда; пятница c 11-00 до 17-00)
  RSS
© 2003-2024 «Наука и образование»
Перепечатка материалов журнала без согласования с редакцией запрещена
 Тел.: +7 (915) 336-07-65 (строго: среда; пятница c 11-00 до 17-00)