Книжкові видання та компакт-диски Журнали та продовжувані видання Автореферати дисертацій Реферативна база даних Наукова періодика України Тематичний навігатор Авторитетний файл імен осіб
|
Для швидкої роботи та реалізації всіх функціональних можливостей пошукової системи використовуйте браузер "Mozilla Firefox" |
|
|
Повнотекстовий пошук
Пошуковий запит: (<.>A=Бессонов А$<.>) |
Загальна кількість знайдених документів : 23
Представлено документи з 1 до 20
|
| |
1. |
Руденко О. Г. Аппроксимация гауссовских базисных функций в задаче адаптивного управления нелинейными объектами [Електронний ресурс] / О. Г. Руденко, А. А. Бессонов, А. С. Ляшенко, Р. А. Сунна // Кибернетика и системный анализ. - 2011. - Т. 47, № 1. - С. 3-13. - Режим доступу: http://nbuv.gov.ua/UJRN/KSA_2011_47_1_3 Розглянуто підхід до побудови нейроконтролера на базі радіально-базисної мережі для керування нелінійними динамічними об'єктами. Запропоновано використання кусково-лінійної апроксимації гауссівських базисних функцій, яке спрощує розв'язання даної задачі. Результати імітаційного моделювання показують, що запропонований метод дозволяє скоротити час побудови моделі об'єкта та обчислення керуючого сигналу.
| 2. |
Руденко О. Г. Робастное обучение радиально-базисных сетей [Електронний ресурс] / О. Г. Руденко, А. А. Бессонов // Кибернетика и системный анализ. - 2011. - Т. 47, № 6. - С. 38-46. - Режим доступу: http://nbuv.gov.ua/UJRN/KSA_2011_47_6_5 The paper considers the steady training of radial-basis networks in the presence of non-normally distributed noise. The simulation results show that multistep projection training algorithms, which minimize various module criteria, are rather efficient in this case.
| 3. |
Бессонов А. А. Многокритериальная нейроэволюционная оптимизация нелинейных функций [Електронний ресурс] / А. А. Бессонов // Системи обробки інформації. - 2012. - Вип. 9. - С. 5-10. - Режим доступу: http://nbuv.gov.ua/UJRN/soi_2012_9_4
| 4. |
Руденко О. Г. Аппаратная реализация нечеткой сети СМАС и ее применение для задач сжатия изображений [Електронний ресурс] / О. Г. Руденко, А. А. Бессонов, В .А. Бобух // Автоматика. Автоматизація. Електротехнічні комплекси та системи. - 2005. - № 2. - С. 47-52. - Режим доступу: http://nbuv.gov.ua/UJRN/aaeks_2005_2_10
| 5. |
Бессонов А. А. Обучение радиально-базисных сетей с помощью генетических алгоритмов с адаптивной мутацией [Електронний ресурс] / А. А. Бессонов // Системи обробки інформації. - 2012. - Вип. 3(2). - С. 177-180. - Режим доступу: http://nbuv.gov.ua/UJRN/soi_2012_2_3_42 Рассмотрена эффективность применения адаптивных мутаций в генетических алгоритмах, используемых для обучения радиально-базисной сети и оптимизации ее структуры. Исследованы следующие типы адаптивных мутаций: уменьшающаяся мутация Коши, адаптивные мутации Гаусса и Лапласа. Проведен их сравнительный анализ с помощью имитационного моделирования.
| 6. |
Бессонов А. А. О нейросетевом подходе к восстановлению многомерных функций при наличии помех измерений [Електронний ресурс] / А. А. Бессонов, А. В. Островерхий, А. А. Шамраев, Н. Н. Островерхая // Системи обробки інформації. - 2007. - Вип. 9. - С. 33-41. - Режим доступу: http://nbuv.gov.ua/UJRN/soi_2007_9_11 Приведен сравнительный анализ восстановления зашумленных многомерных функций нейронными сетями СМАС, РБС и МП различных архитектур. Рассмотрена проблема выбора параметров этих сетей, а также базисных функций сети СМАС. Показано, что наименьшего времени обучения позволяют добиться сети СМАС, а применение РБС и МП обеспечивает заданную точность восстановления, требуя меньшего объема памяти, но значительно больших вычислительных затрат.
| 7. |
Бессонов А. А. Решение задачи управления с прогнозирующей моделью на основе эволюционирующего многослойного персептрона [Електронний ресурс] / А. А. Бессонов // Системи обробки інформації. - 2015. - Вип. 1. - С. 7-11. - Режим доступу: http://nbuv.gov.ua/UJRN/soi_2015_1_4 Разработан метод управления нелинейными объектами с помощью эволюционирующего многослойного персептрона. Эволюционирующий многослойный персептрон применяется для построения нелинейной модели объекта, которая впоследствии используется для рекурсивного предсказания поведения объекта в системе управления с прогнозирующей моделью. Для обучения нейронной сети предлагается применение генетического алгоритма, позволяющего значительно ускорить процесс обучения. Приведены результаты имитационного моделирования, подтверждающие эффективность предложенного метода управления.
| 8. |
Руденко О. Г. Использование нормализующей компоненты при нейросетевом сжатии изображений [Електронний ресурс] / О. Г. Руденко, Р. В. Бобнев, А. А. Бессонов // Управляющие системы и машины. - 2013. - № 5. - С. 27-31, 37. - Режим доступу: http://nbuv.gov.ua/UJRN/USM_2013_5_6 Предложены модификации нейронных сетей, используемых для сжатия изображений. Приведены результаты моделирования, свидетельствующие об эффективности описанной модификации.
| 9. |
Руденко О. Г. Робастная идентификация нелинейных объектов с помощью эволюционирующей радиально-базисной сети [Електронний ресурс] / О. Г. Руденко, А. А. Бессонов, С. О. Руденко // Кибернетика и системный анализ. - 2013. - Т. 49, № 2. - С. 15-26. - Режим доступу: http://nbuv.gov.ua/UJRN/KSA_2013_49_2_3
| 10. |
Руденко О. Г. Программирование с экспрессией генов: способы кодирования и создания синтаксических деревьев [Електронний ресурс] / О. Г. Руденко, С. В. Мирошниченко, А. А. Бессонов // Управляющие системы и машины. - 2015. - № 3. - С. 82–92. - Режим доступу: http://nbuv.gov.ua/UJRN/USM_2015_3_12
| 11. |
Руденко О. Г. Программирование с экспрессией генов: генетические операторы [Електронний ресурс] / О. Г. Руденко, С. В. Мирошниченко, А. А. Бессонов // Управляющие системы и машины. - 2015. - № 4. - С. 72–82. - Режим доступу: http://nbuv.gov.ua/UJRN/USM_2015_4_10
| 12. |
Бессонов А. А. Обобщенный алгоритм обучения эволюционирующей радиально-базисной сети [Електронний ресурс] / А. А. Бессонов // Системи обробки інформації. - 2015. - Вип. 10. - С. 163-166. - Режим доступу: http://nbuv.gov.ua/UJRN/soi_2015_10_37 Разработан обобщенный алгоритм настройки эволюционирующей радиально-базисной сети (ЭРБС). ЭРБС применяется для решения широкого спектра задач идентификации, управления, обработки сигналов и изображений. В сети ЭРБС в зависимости от типа решаемой задачи в качестве базисных может быть использовано большое количество функций с различным количеством настраиваемых параметров, в связи с чем возникает необходимость разработки обобщенного подхода к их настройке. Для обучения нейронной сети предлагается применение генетического алгоритма, позволяющего значительно ускорить процесс обучения. Приведены результаты имитационного моделирования, подтверждающие эффективность предложенного метода настройки параметров базисных функций с использованием специальных некодирующих областей хромосомы - интронов.
| 13. |
Руденко О. Г. Программирование с экспрессией генов: модификация эволюционного процесса [Електронний ресурс] / О. Г. Руденко, С. В. Мирошниченко, А. А. Бессонов // Управляющие системы и машины. - 2015. - № 5. - С. 73–78. - Режим доступу: http://nbuv.gov.ua/UJRN/USM_2015_5_11
| 14. |
Бессонов А. А. Исследование одношаговых алгоритмов обучения искусственных нейронных сетей [Електронний ресурс] / А. А. Бессонов // Системи обробки інформації. - 2016. - Вип. 7. - С. 127-129. - Режим доступу: http://nbuv.gov.ua/UJRN/soi_2016_7_29 Разработаны устойчивые и робастные алгоритмы настройки параметров радиально-базисной сети (РБС), применяемой для решения широкого спектра задач идентификации, управления, обработки сигналов и изображений. Вместо наиболее широко используемого метода наименьших квадратов для обучения нейронной сети предлагается применение одношаговых алгоритмов, сочетающих свойства базовых алгоритмов и алгоритмов стохастической аппроксимации и позволяющих значительно ускорить процесс обучения. Приведены результаты имитационного моделирования, подтверждающие эффективность предложенных алгоритмов настройки параметров базисных функций.
| 15. |
Бессонов А. А. Робастная многокритериальная идентификация нелинейных объектов с помощью сетей прямого распространения [Електронний ресурс] / А. А. Бессонов, С. О. Руденко // Вісник Херсонського національного технічного університету . - 2013. - № 1. - С. 142-145. - Режим доступу: http://nbuv.gov.ua/UJRN/Vkhdtu_2013_1_26
| 16. |
Руденко О. Г. Робастная идентификация нелинейных объектов [Електронний ресурс] / О. Г. Руденко, А. А. Бессонов, С. О. Руденко // Проблеми інформаційних технологій. - 2015. - № 1. - С. 83-86. - Режим доступу: http://nbuv.gov.ua/UJRN/Pit_2015_1_15
| 17. |
Руденко О. Г. Регуляризованный алгоритм обучения Адалины в задаче оценивания нестационарных параметров [Електронний ресурс] / О. Г. Руденко, А. А. Бессонов // Управляющие системы и машины. - 2019. - № 1. - С. 22-30. - Режим доступу: http://nbuv.gov.ua/UJRN/USM_2019_1_5 Исследованы свойства модифицированного регуляризированного алгоритма Качмажа. Определены условия его сходимости при оценивании нестационарных параметров при наличии помех измерения. Получены неасимптотические и асимптотические оценки для уточнения входящих в алгоритмы параметров.
| 18. |
Руденко О. Г. Нейросетевая аппроксимация нелинейных зашумленных функций на основе коэволюционного кооперативно-конкурентного подхода [Електронний ресурс] / О. Г. Руденко, А. А. Бессонов // Проблемы управления и информатики. - 2018. - № 3. - С. 5-15. - Режим доступу: http://nbuv.gov.ua/UJRN/PUI_2018_3_3 Предложен эволюционный алгоритм аппроксимации нелинейных зашумленных функций, основанный на коэволюционных моделях кооперации и конкуренции. Предложенный алгоритм реализует среду, способствующую сотрудничеству и конкуренции популяций, в которых каждая особь представляет собой нейронную сеть прямого распространения, решающую специфическую задачу. Для аппроксимации исследуемой функции предлагается использовать популяции универсальных аппроксиматоров, а для борьбы с возможными помехами - ввести дополнительную популяцию шумоподавляющих автоэнкодеров. Приведены результаты имитационного моделирования, подтверждающие эффективность предложенного метода аппроксимации нелинейных зашумленных функций.
| 19. |
Либероль Б. Д. Исследование сходимости одношаговых адаптивных алгоритмов идентификации [Електронний ресурс] / Б. Д. Либероль, О. Г. Руденко, А. А. Бессонов // Проблемы управления и информатики. - 2018. - № 5. - С. 19-32. - Режим доступу: http://nbuv.gov.ua/UJRN/PUI_2018_5_4 Исследованы вопросы сходимости регуляризованных одношаговых адаптивных алгоритмов Качмажа и Нагумо - Ноды, используемых для решения задачи идентификации. Получены оценки скорости сходимости алгоритмов и показано, что введение параметра регуляризации, улучшая вычислительную устойчивость алгоритмов, приводит к некоторому замедлению процесса идентификации. Наличие информации о статистических свойствах полезных сигналов и помех позволяет выбрать параметры алгоритмов, обеспечивающих их максимальную скорость сходимости.
| 20. |
Либероль Б. Д. Псевдопроекционные алгоритмы оценивания, использующие взвешивание информации [Електронний ресурс] / Б. Д. Либероль, О. Г. Руденко, А. А. Бессонов // Проблемы управления и информатики. - 2020. - № 4. - С. 47-59. - Режим доступу: http://nbuv.gov.ua/UJRN/PUI_2020_4_6 Алгоритм Качмажа (АК), который в настоящее время широко используется благодаря своей простоте и эффективности при решении различных технических задач, был предложен в работе [3] для решения систем линейных алгебраических уравнений. Аналитические исследования, проведенные в [8 - 10], позволили получить неасимптотические и асимптотические оценки скорости сходимости этого алгоритма при наличии помех измерений. В [11 - 14] рассматривалась проблема ускорения АК путем использования не одного, а ряда предыдущих измерений. В [12 - 16] предложены многошаговые проекционные алгоритмы, которые при построении оценки на очередном n-м шаге использовали информацию о L предыдущих шагах. В работах [15, 16] определена скорость сходимости данных алгоритмов и показано, что использование в многошаговых проекционных методах информации о L предыдущих шагах равносильно в смысле скорости сходимости уменьшению размерности исходного пространства N на L. Существенный положительный эффект от использования информации о предыдущих шагах, с одной стороны, и необходимость обращения матрицы, с другой, свидетельствуют о целесообразности разработки алгоритмов, обладающих свойствами, близкими к свойствам многошаговых проекционных алгоритмов, но более простых в реализации. Один из таких подходов, использующий аппроксимацию операции ортогонального проецирования вектора ошибки оценивания на линейную оболочку входных векторов, осуществляемую на основе одношагового проекционного АК, изучался в работе [17]. В данной статье рассмотрена модификация АК, которая использует взвешивание оценок, полученных на ряде предыдущих шагов. Исследованы свойства псевдопроекционных алгоритмов оценки, которые используют взвешивание информации и построены на основе одношагового адаптивного АК. Получены оценки скорости сходимости алгоритмов и показано, что использование операции взвешивания информации в алгоритмах оценки позволяет при незначительном снижении скорости сходимости алгоритмов уменьшить размеры их области сходимости (по сравнению с АК с <$E gamma~=~const~=~1>), которая определяется соотношением дисперсий сигналов и помех.
| | |
|
|