Искусственная нейронная сеть Хэмминга в приложении к диагностике инфаркта миокарда.

«НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №7, 2005

Искусственная нейронная сеть Хэмминга в приложении к диагностике инфаркта миокарда.

Проведен анализ показателей качества диагностики инфаркта миокарда при помощи нейросетевого алгоритма Хэмминга в сравнении с результатами исследований человека с помощью многослойного персептрона. Представлены результаты вычислительного эксперимента по обработке искусственной нейронной сетью электрокардиограммы. А.Е. Прасолова, А.В. Прасолов

 

Июль 01st, 2005 подробнее

«НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №7, 2005

Метод расширения динамического диапазона модулярного нейрокомпьютера.

Предложен метод и нейронная сеть для расширения динамического диапазона модулярного мультинейропроцессора по дополнительно введенным модулям (основаниям) системы остаточных классов (СОК). Расширение системы оснований является одной из основных немодульных операций, выполняемых в СОК, при которой определяется вычет (наименьшей неотрицательный остаток) чисел по вновь введенным основаниям и известным вычетам исходной системы оснований. Червяков Н.И., Лавриненко И.Н., Мезенцева […]

 

Июль 01st, 2005 подробнее

«НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №7, 2005

Эффективные методы обработки данных при множественном их представлении в модулярных нейрокомпьютерах.

Модулярные нейрокомпьютеры, обладающие свойством отказоустойчивости, требуют перехода от СОК к ОПСС и обратно в реальном масштабе времени с целью реконфигурации, поэтому возникает необходимость в быстром переходе из системы остаточных классов в обобщенную позиционную систему счисления и из обобщенной позиционной системы счисления в систему остаточных классов. Червяков Н.И., Дьяченко И.В., Лавриненко И.Н., Лавриненко С.В., Кондрашов А.В.

 

Июль 01st, 2005 подробнее

«НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №7, 2005

Систематическая составляющая ошибки прогнозирования качества обучения искусственных нейронных сетей.

Рассмотрены алгоритмы обучения искусственных нейронных сетей, позволяющие одновременно с обучением предсказывать качество работы обученной нейронной сети. Показано, что получаемые при обучении прогнозы имеют завышающую систематическую погрешность. Корректировка этой составляющей погрешности снижает ошибку предсказания до двух раз. Глухов Д.Н., Иванов А.И., Капитуров Н.В.

 

Июль 01st, 2005 подробнее

«НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №7, 2005

Применение радиально-базисных нейронных сетей для контроля состояния костной ткани при удлинении конечности.

Рассмотрена структура радиально-базисной нейронной сети, применяемой для контроля состояния костной ткани при удлинении конечности и алгоритмы ее обучения; приведены результаты для диапазона значений, характерного для созревания костного регенерата. Янкина Н.Н.

 

Июль 01st, 2005 подробнее

«НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №7, 2005

Многомерный нейросетевой анализ ЭКГ-признаков инфаркта миокарда.

Приведен пример использования нейронных сетей для расшифровки электрокардиограмм и анализа состояния больного. Бодин О.Н.

 

Июль 01st, 2005 подробнее

«НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №7, 2005

Нейросетевой метод диагностики вирусного гепатита.

Обсуждена проблема клинического опыта использования пакета Нейронные сети системы MATLAB для диагностики в хирургии. Клиническая лабораторная диагностика использует искусственные нейронные сети, в которых субъективное и половина эмпирической эвристики заменены объективным регулированием, основанным на количественном и логическом анализе, моделировании персептрона. Соломаха А.А., Артюхин В. В., Горбаченко В.И.

 

Июль 01st, 2005 подробнее

«НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №7, 2005

Использование нейронных сетей для решения систем нелинейных уравнений.

Рассмотрена нейросетевая реализация метода Ньютона для решения систем нелинейных алгебраических уравнений, основанный на аппроксимации нелинейной вектор-функции нейронной сетью. При использовании сигмоидальной функции активации матрица Якоби выражена через веса и выходы промежуточного слоя нейронной сети. Приведены результаты моделирования работы нейронной сети с использованием пакета Neural Network Toolbox системы MATLAB. Горбаченко В.И., Убиенных Г.Ф., Москвитин С.А.

 

Июль 01st, 2005 подробнее


    Fatal error: Cannot redeclare wp_pagenavi() (previously declared in /home/neurocomp/webapps/neurocomp_ru/wp-content/plugins/wp-pagenavi/core.php:13) in /home/neurocomp/webapps/neurocomp_ru/wp-content/themes/FLER/includes/pagination.php on line 295