Главная
» Электронная библиотека » Совершенствование алгоритмов обучения сетей радиальных базисных функций для решения задач аппроксимации
Совершенствование алгоритмов обучения сетей радиальных базисных функций для решения задач аппроксимации
| Категория: | физико-математические науки | |
| Авторы (ПГУ): | Горбаченко Владимир Иванович [100]  , Алкезуини Мухи Муртада Мухи [0] | |
| Аннотация: | Перспективным инструментом решения задач аппроксимации, в том числе задач бессеточной аппроксимации, являются сети радиальных базисных функций, которые представляют специальный вид нейронных сетей. Решение задачи формируется в процессе обучения сети. Но в настоящее время отсутствуют быстрые и достаточно простые алгоритмы обучения сетей радиальных базисных функций. Цель данного исследования - разработка и экспериментальное исследование новых быстрых алгоритмов обучения сетей радиальных базисных функций при решении задач аппроксимации. Материалы и методы. Реализация поставленных задач достигнута за счет использования для обучения сетей радиальных базисных функций современных ускоренных градиентных методов первого порядка и адаптации метода Левенберга - Марквардта. Результаты. Для обучения сетей радиальных базисных функций впервые разработаны алгоритмы на основе методов первого порядка: градиентный спуск с импульсом (импульсный метод), алгоритм ускоренного градиента Нестерова и RMSProp в сочетании с ускоренным градиентом Нестерова. Показаны преимущества последовательной настройки параметров в каждом итерационном цикле обучения сети. Разработана реализация метода Левенберга - Марквардта для обучения сетей радиальных базисных функций. Получены формулы для расчета параметров сетей при реализации алгоритмов. Даны рекомендации по выбору параметров обучения сетей. Показана связь между методом Левенберга - Марквардта и методом доверительных областей. Таким образом, алгоритмом Левенберга - Марквардта можно достичь тех же результатов, что и более сложным алгоритмом метода доверительных областей. Создан комплекс программ в системе MatLab, реализующий разработанные алгоритмы. Проведены экспериментальные исследования разработанных алгоритмов. Выводы. Для решения задач аппроксимации на сетях радиальных базисных функций можно рекомендовать адаптированный в работе алгоритм Левенберга - Марквардта. Если в алгоритме Левенберга - Марквардта возникают проблемы с плохой обусловленностью системы линейных алгебраических уравнений, то можно рекомендовать алгоритм ускоренного градиента Нестерова. | |
| Тип: | Статья | |
| Вид: | электронная копия бумажного издания | |
| Количество частей: | 1 | |
| Год издания: | 2017 | |
| Издательство: | Общество с ограниченной ответственностью "Центр анализа и развития кластерных систем" (Пенза) | |
| Где опубликовано: | Журнал | |
| Целевая аудитория: | Исследователь, Преподаватель, Учащийся | |
| Целевое назначение: | Научное | |
| Лицензия: | Нет ограничений | |
| Ограничения: | Нет ограничений | |
| Правообладатель: | Общество с ограниченной ответственностью "Центр анализа и развития кластерных систем" (Пенза) | |
| УДК: | 004.032.26 | |
| Библиографическая ссылка: | Алкезуини М. М., Горбаченко В. И. Совершенствование алгоритмов обуче-ния сетей радиальных базисных функций для решения задач аппроксимации // Модели, системы, сети в экономике, технике, природе и обществе. — 2017. — № 3 (23). — C.123–138. | |
| Внешняя веб-ссылка: | https://elibrary.ru/item.asp?id=30675076 | |
| Язык: | Русский | |
| Место хранения: | Вне ПГУ | |
| Дата размещения: | 17.11.2018 | |
| Владелец: | Горбаченко Владимир Иванович | |
| Ссылка на ресурс: | http://elib.pnzgu.ru/library/23145200  | |
| Формат: | Не указан |