Створено нові методи та програмне забезпечення, що дозволяють на основі еволюційного підходу, використовуючи доступну інформацію про об'єкт або залежність, що моделюється, виконувати відбір інформативних ознак, параметричний, структурний і структурно-параметричний синтез нейромоделей, а також їх спрощення. Проведено експериментальне дослідження властивостей і характеристик розроблених методів і програмних засобів шляхом синтезу нейромережевих моделей для розв'язання практичних задач технічної і біомедичної діагностики. Проаналізовано, що запропоновані методи дозволяють скоротити час, необхідний на пошук, а нейромоделі, побудовані за допомогою розроблених методів, містять найбільш значущі міжнейронні зв'язки.

  Скачати повний текст

  Скачати повний текст

Досліджено архітектури гібридних нейро-фаззі мереж, методи їх навчання та самонавчання, адаптивні процедури нечіткої кластиризації для задач класифікації числових даних за умов апріорної та поточної невизначеності відносно характеру розподілу й істотного перетину класів. Запропоновано: рекурентні та робастні методи кластеризації у межах імовірнісного та можливісного підходів, що дозволяють проводити кластеризацію за умов перетину класів; імовірнісну нейронну мережу з нечітким виведенням, методи її побудови та навчання; рекурентний метд навчання радіально-базисної мережі на основі еліпсоїдального оцінювання, що забезпечує ефективне навчання за умови дефіциту інформації про розподіл збурень; гібридну нейро-фаззі мережу зустрічного розповсюдження та метод її навчання. Удосконалено методи самоорганізації модифікованої мережі Кохонена з можливістю нечіткого виведення та наведено метод попередньої обробки даних шляхом підвищення вимірності вихідного простору. Ефективність цих методів експериментально підтверджено на підставі відомих тестових вибірок даних для нечіткої класифікації у порівнянні з класичними нейро- та нейро-фаззі методами обробки даних. Підтверджено ефективність синтезованих методів та запропонованих архітектур гібридних нейро-фаззі мереж за умов створення систем біомедичної діагностики для сегментації послідовностей інтервалів серцебиття біологічного організму у процесі виходу та пробудження зі штучного гіпотаболічного стану, а також системи виявлення зон кровообігу на базі вихідної інформації ультразвукового сканування органів людини, що є важливим для медичного діагностування різноманітних уражень судин і застосовується за умов ранньої діагностики пухлинних захворювань внутрішніх органів з їх диференціюванням за ступенем злоякісності.

  Скачати повний текст

На базі показника сформовано критерій якості ФО, що дозволяє формалізувати й об'єктивізувати процес розподілу об'єктів за образами. Досліджено проблему помилкової компактності та запропоновано підхід до уникнення нерозрізненості об'єктів у просторі ознак (ПО) з використанням розробленого критерію якості ФО, що, завдяки можливості розрізнювати однакові об'єкти, забезпечує підвищення достовірності результатів. Запропоновано метод формування простору ознак, який відрізняється від відомого тим, що містить етапи включення ознак, які не забезпечують компактне розташування об'єктів і уникнення нерозрізненості об'єктів в ПО, що дозволяє підвищити достовірність і зменшити час аналізу даних. Створено об'єктно-орієнтовану модель процесу ФО, на базі якої розроблено комплексний метод, що передбачає використання критерію якості, який дає змогу розв'язувати задачі ФО загального виду, без додаткових гіпотез щодо складу та характеристик образів, а також підвищити ефективність ФО.

  Скачати повний текст

Розроблено новий метод вкладення простору послідовностей з відстанню редагування Левенштейна у векторний простір з манхетеновою відстанню, який відрізняється врахуванням підпослідовностей змінної довжини й забезпечує підвищення точності апроксимації відстані редагування. Уперше запропоновано локально-чуттєву функцію, яка відрізняється врахуванням відстані редагування між послідовностями та продукує розподілене представлення послідовностей, яке зберігає їх схожіть за відстанню редагування. Уперше зроблено оцінювання витрат пам'яті, обчислювальної складності та точності апроксимації відстані редагування на основі одержаних розподілених представлень за рахунок використання методів метричних вкладень просторів і методів аналізу рандомізованих алгоритмів. Удосконалено методи пошуку приблизних найближчих послідовностей за рахунок застосування розроблених локально-чуттєвих хеш-функцій, що забезпечує сублінійний відносно розміру бази прикладів час пошуку схожих послідовностей. Удосконалено методи розв'язання задач пошуку та класифікації послідовностей на базі міркувань за прикладами за рахунок використання розробленого методу хешування та загальної базової операції пошуку найближчих сусідів у базах прикладів-послідовностей, що мають різну довжину.

  Скачати повний текст

Уперше для нейроподібних структур моделі геометричних перетворень розроблено метод й інформаційну технологію класифікації на підставі правила "переможець забирає все" (WTA) з використанням матриці штрафів і заохочень, що дозволяє враховувати неоднакову значущість помилок під час розпізнавання об'єктів різних класів. Уперше для нейроподібних структур моделі геометричних перетворень розроблено метод кускової побудови роздільних поверхонь на підставі дерева поділу за класами, що забезпечує підвищення точності розпізнавання об'єктів, для яких у заданому просторі реалізацій не виконується гіпотеза компактності. Запропоновано, досліджено та реалізовано метод послідовного вирівнювання тренувальної вибірки за кластерами, що формуються у вузлах дерева, який забезпечує покращання точності розв'язання задач класифікації для вибірок, представлених у просторі реалізацій нерівномірно. Удосконалено метод навчання нейроподібних структур моделі геометричних перетворень, за яким запропоновано використовувати процедуру оптимізації з використанням методу імітації відпалу металу на базі параметрів головних компонентів, що дозволило покращити якість класифікації завдяки використанню інших, окрім середньоквадратичного, критеріїв якості.

  Скачати повний текст