Use of self-organization principles in construction of hierarchical neural network classifiersстатья

Статья опубликована в журнале из списка RSCI Web of Science
Статья опубликована в журнале из перечня ВАК
Статья опубликована в журнале из списка Web of Science и/или Scopus
Дата последнего поиска статьи во внешних источниках: 29 мая 2015 г.

Работа с статьей


[1] Use of self-organization principles in construction of hierarchical neural network classifiers / S. A. Dolenko, Y. V. Orlov, I. G. Persiantsev, Y. S. Shugai // Pattern Recognition and Image Analysis: Advances in Mathematical Theory and Applications. — 1998. — Vol. 8, no. 2. — P. 122–124. The paper describes the basic principles underlying the operation of a new algorithm for the construction of hierarchical neural network classifiers. The algorithm is based on a modification of the error backpropagation method which permits supervised learning in the self-organization mode. With the algorithm applied recursively, it is possible to construct compact and computationally efficient self-organizing structures for neural-network classifiers. A study into the operation of the algorithm on several model and real-world tasks is summed up.

Публикация в формате сохранить в файл сохранить в файл сохранить в файл сохранить в файл сохранить в файл сохранить в файл скрыть