Биофизические и математические модели памяти: конформации нейрорецепторов амнезии и сон.

«НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №8-9, 2003

Биофизические и математические модели памяти: конформации нейрорецепторов амнезии и сон.

Изучены взаимодействия рецептивных кластеров с мембраной, электрическим полем, окружающими синапсами и внемембранными средами; выявлена роль конформационных процессов в формировании нейронной памяти и связанных с ним явлений: ритмическая активность коры, сна и амнезии, в том числе нормальная и патологическая, возникающие после сотрясения мозга или эпилептического припадка. Природа этих явлений описана распределением мембранных потенциалов нейронов. Найденные биофизические […]

 

Сентябрь 01st, 2003 подробнее

«НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №8-9, 2003

Контроль и диагностика параметров газотурбинного двигателя нейронными сетями.

Рассмотрены основные задачи контроля и диагностики силовых установок летательных аппаратов. Приведены типовые постановки задач, показана их реализация на базе нейронных сетей. Жернаков С.В.

 

Сентябрь 01st, 2003 подробнее

«НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №8-9, 2003

Исследование нейросетевых программ и автоматизированные фактографические информационно-поисковые системы.

Представлены результаты исследования и анализа нейросетевых программ, официально зарегистрированных Российским Агентством по патентам и товарным знакам (РОСПАТЕНТ). Проанализировано более 10000 описаний программ и баз данных. Описаны фактографические системы, фактографические базы данных и автоматизированные фактографические информационно-поисковые системы (АФИПС) с использованием нейронной сети с заданными характеристиками качества ее работы. Кулик С.Д.

 

Сентябрь 01st, 2003 подробнее

«НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №8-9, 2003

Инвариантное распознавание изображений комбинированной нейронной сетью.

Описано распознавание изображений комбинированной нейронной сетью, инвариантное к повороту; инвариантность к сдвигу и масштабу изображений обеспечивается методом моментов. Проанализировано влияние структуры и параметров сети, числа обучающих образов и уровня шума на эффективность распознавания. Проведено сравнение с нейросетевым распознаванием с использованием моментов Зернике, псевдо-Зернике и «прямых» изображений. Сосулин Ю.Г., Фам Чунг Зунг.

 

Сентябрь 01st, 2003 подробнее

«НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №8-9, 2003

Нечеткая игровая модель с единичным экспериментом.

Приведена нечеткая игровая модель и показано ее применение к решению задач принятия решений, классификации и прогнозирования в ситуациях, когда имеющаяся априорная информация, отражающая неопределенность, не носит вероятностный характер, но может быть выражена лингвистическим образом в форме нечетких продукционных правил. Круглов В.В.

 

Сентябрь 01st, 2003 подробнее

«НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №8-9, 2003

Эффективный нейросетевой метод пошагового прогнозирования и его применение к многомерным задачам.

Разработан эффективный практический метод пошагового прогнозирования, основанный на последовательном продвижении с интерполяционным пополнением данных вблизи подвижной границы и доучиванием нейросети, что соответствует эволюционной модели познания. Метод применен к двумерной задаче прогнозирования деформирования изгибаемой пластинки. Получены достаточно точные результаты прогнозирования по всей области в отличие от традиционного применения нейросетевой экстраполяции, которое не обеспечивает желаемой точности и […]

 

Сентябрь 01st, 2003 подробнее

«НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №8-9, 2003

Математическая модель нейронной сети для коррекции ошибок в непозиционном коде расширенного поля Галуа.

Представлена математическая модель нейронной сети, позволяющая обнаруживать и исправлять ошибки в непозиционном коде расширенного поля Галуа . Представлена структура нейронной сети, реализующая данную функцию в полиномиальных кодах. Червяков Н.И., Калмыков И.А., Щелкунова Ю.О., Бережной В.В.

 

Сентябрь 01st, 2003 подробнее

«НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №8-9, 2003

Дискриминантные сети в задачах диагностики.

Предложены дискриминантные сети, построенные на базе одного из вариантов одноименного типа статистического анализа. Рассмотрены их преимущества перед традиционными нейронными сетями, используемыми для решения задач классификации. Показано улучшение качества распознавания при переходе от дискриминантного анализа к описываемой технологии распознавания классов. Куравский Л.С., Баранов С.Н.

 

Сентябрь 01st, 2003 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