Статья

Название статьи ИССЛЕДОВАНИЕ АЛГОРИТМОВ ОБУЧЕНИЯ НЕЙРОНЕЧЕТКИХ СИСТЕМ ДЛЯ ЗАДАЧ УПРАВЛЕНИЯ
Автор С.Е. Бублей
Рубрика РАЗДЕЛ VI. ВЫЧИСЛИТЕЛЬНЫЕ КОМПЛЕКСЫ НОВОГО ПОКОЛЕНИЯ И НЕЙРОКОМПЬЮТЕРЫ
Месяц, год 12, 2010
Индекс УДК 519.7
DOI
Аннотация Рассмотрены алгоритмы обучение нейронных систем в условиях отсутствия априорной информации. Приведены схемы алгоритмов. Определены условия их применения и существующие недостатки. Рассмотрены генетические алгоритмы. Приведены определения операторов генетических алгоритмов. Предложен генетический алгоритм для обучения адаптивной автоматной системы управления.

Скачать в PDF

Ключевые слова Обучение; генетические алгоритмы.
Библиографический список 1. Gang L., Thomas M. Design for self-organizing fuzzy neural networks based on genetic algorithms // IEEE Transactions on fuzzy systems. – 2006. – Vol. 14, №. 6. – P. 755-776.
2. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы / Пер. с польск. И.Д. Рудинского. – М.: Горячая линия – Телеком, 2004. – С. 452.
3. Ridwan M. A parallel genetic algorithm-based tsk-fuzzy system for dynamic car-following modeling // European Journal of Scientific Research. – 2009. – № 4. – P. 627-641.
4. Роббинс М. A stochastic approximation Method // Annals of Math.Statistics, 1951. – С. 223.
5. Gayadhar P., Sidhartha P., Ardil C. Hybrid Neuro Fuzzy Approach for Automatic Generation Control of Two-Area Interconnected Power System. International Journal of Computational Intelligence 5:1. 2009.
6. Gayadhar P., Sidhartha P., Ardil C. Hybrid Neuro Fuzzy Approach for Automatic Generation Control of Two-Area Interconnected Power System // International Journal of Computational Intelligence 5:1. – 2009.
7. Petru R., Emil M. Behavior-Based Neuro-Fuzzy Controller for Mobile Robot Navigation // IEEE Transactions on instrumentation and measurement. – 2003. – Vol. 52, № 4.
8. Ranadhir G.A Novel Hybrid Learning Algorithm for Artificial Neural Networks // School of Information Technology. – 2002. – P. 214.
9. Leu Y., Wei Y., Hsum L. RGA-based on-line tuning of BMF fuzzy-neural networks for adaptive control of uncertain nonlinear systems // Neurocomputing. – 2009. – № 72. – P. 2636-2642.
10. Stefan S. Optimizing a production process by a neural network/genetic algorithm approsh // Egngn Applic. Artif. Intell. – Vol. 9, № 6. – P. 681-689.
11. Ярушкина Н.Г. Основы теории нечетких и гибридных систем: Учеб. пособие. – М.: Финансы и статистика, 2004. – С. 320.
12. Финаев В.И., Молчанов А.Ю. Метод моделирования самонастраивающихся систем управления // Известия ТРТУ. – 2004. – № 8 (43). – С. 45-49.
13. Курейчик В.М. Модифицированные генетически операторы // Известия ЮФУ. Технические науки. – 2009. – № 12 (101). – С. 7-15.
14. Курейчик В.В., Курейчик В.М., Родзин С.И. Концепция эволюционных вычислений, инспирированных природными системами // Известия ЮФУ. Технические науки. – 2009. – № 4 (93). – C. 16-24.

Comments are closed.