КЛАСИФИЦИРАНЕ НА ТЕЛЕТРАФИЧНИ СИСТЕМИ С ЯВНИ ЗАГУБИ ПОСРЕДСТВОМ ИЗКУСТВЕНА НЕВРОННА МРЕЖА
Ключови думи :
класификационен метод, валидиране, телетрафик, изкуствени невронни мрежи, обратно разпространение на грешкатаАбстракт
Изкуствената невронна мрежа (Artificial neural network) представлява система от обработващи елементи, условно наричани изкуствени неврони поради аналогията с биологичните човешки неврони. Изкуствените неврони преобразуват постъпващи входни и формират изходни сигнали, които изпращат към елементите, с които имат връзки с определени тегла. Преобразуването се извършва като първоначално се формира сумарния входен сигнал до съответния неврон, след което посредством специфичната за мрежата функция на активация, полученият сумарен входен сигнал се трансформира в изходен за този обработващ елемент.
Сваляния
Данните за свалянията все още не са налични.
Литература (библиография)
[1] Мирчев М. Телетрафично проектиране., Изд. “Нови Знания”, София, 2002.
[2] Chen Ch., Shih J.-Sh., Multi-Channel Piezoelectric Quartz Crystal Sensor with Principal Component Analysis and Back-Propagation Neural Network for Organic Pollutions from Petrochemical Plants. Jornal of Chinese Chemical Society, 2008, 55, p.979-993.
[3] Huiling T., Guangzhong X., Yadong J., Gas Identification Using Gas Sensor Array and Self Organization Competitive Neural Network, Ministry of Education The Key Laboratory of Novel Transdusers, China.
[4] Shih J., Hsu H., Multi-Channel Surface Acoistic Wave (SAW) Sensor Based on Artificial Back Propagation Neural (BPN) and Multivariable Linear Regression Analysis (MLR) for Organic Vapours. Jornal of Chinese Chemical Society, 2007, 57, p.401-410.
[5] Artificial Intelgence: Foundations of Computational Agents. Neural Networks, 2010. (http://artint.info/html/ArtInt_183.html#nnet-ex).
[2] Chen Ch., Shih J.-Sh., Multi-Channel Piezoelectric Quartz Crystal Sensor with Principal Component Analysis and Back-Propagation Neural Network for Organic Pollutions from Petrochemical Plants. Jornal of Chinese Chemical Society, 2008, 55, p.979-993.
[3] Huiling T., Guangzhong X., Yadong J., Gas Identification Using Gas Sensor Array and Self Organization Competitive Neural Network, Ministry of Education The Key Laboratory of Novel Transdusers, China.
[4] Shih J., Hsu H., Multi-Channel Surface Acoistic Wave (SAW) Sensor Based on Artificial Back Propagation Neural (BPN) and Multivariable Linear Regression Analysis (MLR) for Organic Vapours. Jornal of Chinese Chemical Society, 2007, 57, p.401-410.
[5] Artificial Intelgence: Foundations of Computational Agents. Neural Networks, 2010. (http://artint.info/html/ArtInt_183.html#nnet-ex).
Файлове за сваляне
Публикуван
2018-05-24
Брой
Раздел (Секция)
Компютърни науки и комуникации - рецензирани публикации. ISSN: 1314-7846
Лиценз
Статиите публикувани в списание КНК са лицензирани под Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Как да цитирате
КЛАСИФИЦИРАНЕ НА ТЕЛЕТРАФИЧНИ СИСТЕМИ С ЯВНИ ЗАГУБИ ПОСРЕДСТВОМ ИЗКУСТВЕНА НЕВРОННА МРЕЖА. (2018). КОМПЮТЪРНИ НАУКИ И КОМУНИКАЦИИ, 4(1), 85-94. https://csc.bfu.bg/index.php/CSC/article/view/108
