Простий
пошук
Розширений
пошук
Покажчики
Професійний
пошук
Рубрикатор
НБУВ
Розподілений
пошук

Бази даних

Наукова періодика України - результати пошуку

Книжкові видання та компакт-диски
Журнали та продовжувані видання
Автореферати дисертацій
Реферативна база даних
Наукова періодика України
Тематичний навігатор
Авторитетний файл імен осіб
Mozilla Firefox Для швидкої роботи та реалізації всіх функціональних можливостей пошукової системи використовуйте браузер
"Mozilla Firefox"
Вид пошуку
Повнотекстовий пошук
 Знайдено в інших БД:Книжкові видання та компакт-диски (6)Реферативна база даних (5)
Список видань за алфавітом назв:
A  B  C  D  E  F  G  H  I  J  L  M  N  O  P  R  S  T  U  V  W  
А  Б  В  Г  Ґ  Д  Е  Є  Ж  З  И  І  К  Л  М  Н  О  П  Р  С  Т  У  Ф  Х  Ц  Ч  Ш  Щ  Э  Ю  Я  

Авторський покажчик    Покажчик назв публікацій


Пошуковий запит: (<.>A=Куценко Я$<.>)
Загальна кількість знайдених документів : 8
Представлено документи з 1 до 8
1.

Мельниченко Т. М. 
Термокінетичні діаграми час-температура- перетворення для розплавів системи Аs-Sе [Електронний ресурс] / Т. М. Мельниченко, Я. П. Куценко, Я. Я. Коцак, Т. Д. Мельниченко // Науковий вісник Ужгородського університету. Сер. : Фізика. - 1999. - Вип. 4. - С. 28-32. - Режим доступу: http://nbuv.gov.ua/UJRN/Nvuufiz_1999_4_8
Попередній перегляд:   Завантажити - 385.768 Kb    Зміст випуску     Цитування
2.

Бодянский Е. В. 
Нечеткая кластеризация потоков данных с помощью ЕМ­алгоритма на основе самообучения по Т. Кохонену [Електронний ресурс] / Е. В. Бодянский, А. А. Дейнеко, А. А. Заика, Я. В. Куценко // Прикладная радиоэлектроника. - 2016. - Т. 15, № 1. - С. 80-83. - Режим доступу: http://nbuv.gov.ua/UJRN/Prre_2016_15_1_13
Попередній перегляд:   Завантажити - 262.428 Kb    Зміст випуску     Цитування
3.

Пророк Н. В. 
Специфіка емоційного інтелекту і психологічної готовності до соціономічних професій у представників цих професій [Електронний ресурс] / Н. В. Пророк, Я. М. Куценко // Актуальні проблеми психології. - 2015. - Т. 10, Вип. 27. - С. 471-482. - Режим доступу: http://nbuv.gov.ua/UJRN/appsuh_2015_10_27_46
Попередній перегляд:   Завантажити - 183.331 Kb    Зміст випуску     Цитування
4.

Бодянский Е. В. 
Ядерная кластеризация на основе обобщенной регрессионной нейронной сети и самоорганизующейся карты Т. Кохонена [Електронний ресурс] / Е. В. Бодянский, А. А. Дейнеко, Я. В. Куценко // Інформаційно-керуючі системи на залізничному транспорті. - 2016. - № 3. - С. 15-22. - Режим доступу: http://nbuv.gov.ua/UJRN/Ikszt_2016_3_4
Попередній перегляд:   Завантажити - 1.632 Mb    Зміст випуску     Цитування
5.

Куценко Я. М. 
Актуальні проблеми адаптації студентської молоді до умов вузівського навчання [Електронний ресурс] / Я. М. Куценко // Науковий вісник Національного університету біоресурсів і природокористування України. Серія : Педагогіка, психологія, філософія. - 2016. - Вип. 239. - С. 162-167. - Режим доступу: http://nbuv.gov.ua/UJRN/nvnau_ped_2016_239_24
Попередній перегляд:   Завантажити - 460.436 Kb    Зміст випуску     Цитування
6.

Бодянський Є. В. 
Послідовне нечітке кластерування на основі нейро-фаззі підходу [Електронний ресурс] / Є. В. Бодянський, А. О. Дейнеко, Я. В. Куценко // Радіоелектроніка, інформатика, управління. - 2016. - № 3. - С. 30-38. - Режим доступу: http://nbuv.gov.ua/UJRN/riu_2016_3_6
Запропоновано on-line нейро-фаззі систему для вирішення завдань послідовного нечіткого кластерування даних, що дозволяє опрацьовувати вектори спостережень за умов обмеженого числа даних в оброблюваній вибірці, а також алгоритм її самоначання на основі самоорганізовної мапи Т. Когонена. Архітектура системи містить сім шарів обробки інформації і є за своєю суттю гібридом системи Ванга - Менделя та нечіткої кластерувальної самоорганізовної мережі. Запропонована система в процесі самонавчання налаштовує не лише свої параметри, але й архітектуру в on-line режимі. Для налаштування параметрів функцій належності гібридної нейро-фаззі системи введено алгоритм, що грунтується на використанні конкуренткого навчання. У процесі навчання гібридна нейро-фаззі система налаштовує синаптичні ваги, центри і параметри ширини функцій належності. Розроблено програмне забезпечення, що реалізує запропоновану архітектуру гібридної нейро-фаззі системи. Проведено низку експериментів з дослідження властивостей запропонованої системи. Результати експериментів підтвердили те, що запропоновану систему можна використовувати для розв'язання задачі кластерування, при цьому обробляння даних відбувається в on-line режимі. Система характеризується простотою числової реалізації. Характерною особливістю запропонованої системи є те, що вона поєднує як навчання з учителем, так і самонавчання.
Попередній перегляд:   Завантажити - 889.006 Kb    Зміст випуску    Реферативна БД     Цитування
7.

Куценко Я. О. 
Правове регулювання відшкодування немайнової шкоди завданої суб’єкту господарювання (постановка проблеми) [Електронний ресурс] / Я. О. Куценко // Право та інновації. - 2016. - № 2. - С. 28-33. - Режим доступу: http://nbuv.gov.ua/UJRN/apir_2016_2_6
Попередній перегляд:   Завантажити - 1.311 Mb    Зміст випуску     Цитування
8.

Бодянский Е. В. 
Ядерная самоорганизующаяся карта на основе радиально-базисной нейронной сети [Електронний ресурс] / Е. В. Бодянский, А. А. Дейнеко, Я. В. Куценко // Електротехнічні та комп’ютерні системи. - 2015. - № 20. - С. 97-105. - Режим доступу: http://nbuv.gov.ua/UJRN/etks_2015_20_15
Предложена гибридная искусственная нейронная сеть, объединяющая идеи ядерных систем и самообучения и построенная на основе радиально-базисной нейронной сети и самоорганизующейся карты. Предложенная система позволяет решать задачу on-line кластеризации в условиях, когда образуемые исходными данными классы имеют произвольную форму.Запропоновано гібридну штучну нейронну мережу, яка об'єднує ідеї ядерних систем і самонавчання та побудована на основі радіально-базисної нейронної мережі та самоорганізовної мапи. Запропонована система дозволяє розв'язувати задачу on-line кластеризації за умов, коли утворені вихідними даними класи мають довільну форму.А hybrid artificial neural network is proposed in the present paper. The network combines the princi-ple of kernel systems and self-learning, and is based on radial basis neural networks and self-organizing maps. The proposed system allows to solve the problem of on-line clustering under the conditions, when the classes formed by the initial data have an arbitrary form.
Попередній перегляд:   Завантажити - 584.388 Kb    Зміст випуску    Реферативна БД     Цитування
 
Відділ наукової організації електронних інформаційних ресурсів
Пам`ятка користувача

Всі права захищені © Національна бібліотека України імені В. І. Вернадського