Artificial neural networks in problems of material objects implementation. Part 2. Design and application specifics

Authors

  • V. O. Adamenko National Technical University of Ukraine, Kyiv Politechnic Institute, Kiev http://orcid.org/0000-0003-0601-8394
  • G. A. Mirskikh National Technical University of Ukraine, Kyiv Politechnic Institute, Kiev

DOI:

https://doi.org/10.20535/RADAP.2012.48.213-221

Keywords:

artificial neural network, paradigms and rules of learning, approximation functions, neural networks ensembles

Abstract

In this work paradigms and rules of neural networks learning are considered in a generalized form and the relationship between them are analyzed. The major tasks which can be solved by means of neural networks are analyzed. The main problem of using neural networks in problems of material objects implementation are defined in need of further theoretical research. The expediency of usage neural networks ensembles are substantiated with the followed by their transformation under specific applied design problems.

Author Biographies

V. O. Adamenko, National Technical University of Ukraine, Kyiv Politechnic Institute, Kiev

Адаменко В.О., аспірант радіотехнічного факультету

G. A. Mirskikh, National Technical University of Ukraine, Kyiv Politechnic Institute, Kiev

Мірських Г.О., к.т.н., доцент

References

Бодянский Е.В.Искусственные нейронные сети: архитектуры, обучение, применения / Е.В. Бодянский, О.Г. Руденко — Харьков: ТЕЛЕТЕХ, 2004. — 369с.

Комашинский В.И. Нейронные сети и их применение в системах управления и связи / В.И. Комашинский, Д.А. Смирнов - М.: Горячая Линия - Телеком, 2003. - 98с. - ISBN 5-93517-094-9.

Golden R.M. Mathematical Methods for Neural Network Analysis and Design. – Cambridge, Massachusetts: The MIT Press, 1996. – 420 p.

Хайкин С. Нейронные сети. Полный курс / С. Хайкин — М.: Вильямс, 2006 — 1104 с. — ISBN5-8459-0890-6.

Уоссермен Ф. Нейрокомпьютерная техника: теория и практика / Уоссермен Ф.; пер. с англ. Ю.А. Зуев, В.А. Точенов. — М.:Мир, 1999. — 184 с. — ISBN 5060040941.

Hebb D.O. — The Organization of Behavior. John Wiley & Sons, New York, 1949.

Rumelhart D.E. Learning Internal Representations by Error Propagation In: Parallel Distributed Processing / D.E. Rumelhart, G.E. Hinton, R.J. Williams // Cambridge, MA, MIT Press, 1986. — vol. 1 — P. 318—362.

Барцев С. И. Адаптивные сети обработки информации / С. И. Барцев, В. А. Охонин. — Красноярск: Ин-т физики СО АН СССР, 1986. — 20 с. — (Препринт/ Красноярск: Ин-т физики СО АН СССР; N 59Б. ).

Brown T.Н. НеЬian synapses: Biophysical mechanisms and algorithms /T.Н. Brown, E.W. Kairiss, C.L. Кееnаn // Аnnuаl Review of Neuroscicnce, 1990.— vоl.13 — P.475—511.

Rumelhart О.Е. Feature discovery Ьу competitive leaming / О.Е. Rumelhart, О. Zipser // Cognitive Science, 1985. — vоl. 9 — P. 75—112.

Rosenblatt F. The Perceptron: a probabilistic model for information storage and organization in the brain/ F. Rosenblatt // Cornell Aeronautical Laboratory, Psychological Review — 1958 — vol.65, No. 6 — P. 386—408.

Круглов В.В. Искусственные нейронные сети. Теория и практика / В.В. Круглов, В.В. Борисов. — М.: Горячая линия — Телком, 2002. — 382с. — ISBN 5-93517-031-0.

Горбань А.Н. Обобщенная аппроксимационная теорема / А.Н. Горбань // Сибирский журнал вычислительной математики, 1998. — Т.1 — № 1. — С.12–24.

Крисилов В.А. Преобразование входных данных нейросети с целью улучшения их различимости / В.А. Крисилов , А.В. Кондратюк. - Одес. нац. политех. университет, 2004. - Режим доступу до публікації: http://neuroschool.narod.ru/pub/krikon.pdf — Назва з екрана.

Naser-Moghaddas M. A heuristic artificial neural network for analyzing and synthesizing rectangular mcrostrip antenna / M. Naser-Moghaddasi, P. D. Barjoe / International Journal of Computer Science and Network Security, 2007 — VOL.7 — № 12 — P. 278-281.

Pratap Reddy. ANN models for microstrip line synthesis and analysis / Dr.K.Sri Rama Krishna, J. Lakshmi Narayana, Dr.L. Pratap Reddy // World academy of science, engineering and technolog, 2008. — № 46 —P. 867—871.

Василенко Д.О. Конструктивний синтез планарних антен природними алгоритмами оптимізації: автореф. дис. на здобуття наук. ступеня канд. техн. наук / Василенко Дмитро Олексійовчи. — Київ, 2010. — 23 с.

Ковалевский С.В. Аппроксимация функций с помощью каскадных нейроподобных сетей / С.В. Ковалевский, В.Б. Гитис // Штучний інтелект, 2008 — № 4 — С. 589 — 593.

Аведьян Э.Д. Каскадные нейронные сети / Э.Д. Аведьян, Г.В. Баркан, И.К. Левин // Автоматика и телемеханика, 1999. — №3 — С.38—54.

Downloads

How to Cite

Адаменко, В. and Мірських, Г. (2012) “Artificial neural networks in problems of material objects implementation. Part 2. Design and application specifics”, Visnyk NTUU KPI Seriia - Radiotekhnika Radioaparatobuduvannia, 0(48), pp. 213-221. doi: 10.20535/RADAP.2012.48.213-221.

Issue

No. 48 (2012)

Section

Reviews

License

Authors who publish with this journal agree to the following terms:

  1. Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
  2. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
  3. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).