Переваги та недоліки навчання багатошарової нейронної мережі за допомогою генетичного алгоритму

Автор(и)

  • М.Л. Ковальчук Чернівецький національний університет імені Юрія Федьковича
  • П.І. Уштан Чернівецький національний університет імені Юрія Федьковича
  • Ю.О. Ушенко Чернівецький національний університет імені Юрія Федьковича
  • І.В. Солтис Чернівецький національний університет імені Юрія Федьковича

DOI:

https://doi.org/10.31649/1681-7893-2022-43-1-19-23

Ключові слова:

генетичний алгоритм, нейронна мережа, навчання нейронної мережі

Анотація

Здійснено дослідження переваг та недоліків навчання багатошарової нейронної мережі з використанням генетичного алгоритму. Дослідження проведено на основі створеного програмного продукту, який дозволяє виявляти ознаки хвороб, аналізуючи фотознімки тканин органів людини. Для реалізації проекту використано мову програмування Java. Програмний продукт складається із модулів, які реалізують: багатошарову нейронну мережу, генетичний алгоритм та механізм зчитування й обробки зображень із файлової системи. Генетичний алгоритм використовується для обчислення початкових значень синаптичних ваг, які уточнюються алгоритмом зворотного поширення похибки.

Біографії авторів

М.Л. Ковальчук, Чернівецький національний університет імені Юрія Федьковича

Ph.D., Docent of Computer Science Department

П.І. Уштан, Чернівецький національний університет імені Юрія Федьковича

Master of Computer Science, Computer Science Department

Ю.О. Ушенко, Чернівецький національний університет імені Юрія Федьковича

D.Sc., Professor of Computer Science Department

І.В. Солтис, Чернівецький національний університет імені Юрія Федьковича

Ph.D., Assistant Professor of Optics and Publishing Department

Посилання

A.Yu. Kononyuk. Neural networks and genetic algorithms - K.: "Korniichuk", 2008. - 446p.1. Eliseeva I.I. "Practical work on econometrics: Study guide."/Eliseeva I.I. M.: Finances and Statistics, 2005 - 192 p.

T.G. Maksimova. "Basic econometrics: Study guide" / Maksimova T.G., Verzlin D.N. - St. Petersburg: TEI, 2009. - 80 p.

Yu. V. Kozhevnikov, "Probability Theory and Mathematical Statistics." / Yu. V. Kozhevnikov - M.: Mashinostroenie, 2002.

N. Sh. Kremer. "Probability theory and mathematical statistics. A textbook for universities." / N. Sh. Kremer - M.: UNITY-DANA, 2000.

S. V. Pavlov Information Technology in Medical Diagnostics //Waldemar Wójcik, Andrzej Smolarz, July 11, 2017 by CRC Press - 210 Pages.

W., Wójcik, S Pavlov, M. Kalimoldayev. Information Technology in Medical Diagnostics II. London: (2019). Taylor & Francis Group, CRC Press, Balkema book. – 336 Pages.

O.G. Avrunin, Y.V. Nosova, and etc. Possibilities of Automated Diagnostics of Odontogenic Sinusitis According to the Computer Tomography Data. Sensors 2021, 21, 1198.

Vasyl V. Kukharchuk, Samoil Sh. Katsyv, and etc. “Transient analysis in 1st order electrical circuits in violation of commutation laws”, PRZEGLĄD ELEKTROTECHNICZNY, ISSN 0033-2097, R. 97 NR 9/2021, p. 26-29.

Olexander N. Romanyuk, and etc. "A function-based approach to real-time visualization using graphics processing units", Proc. SPIE 11581, Photonics Applications in Astronomy, Communications, Industry, and High Energy Physics Experiments 2020, 115810E (14 October 2020).

L.I. Timchenko, N.I. Kokriatskaia, S.V. Pavlov, and etc. "Q-processors for real-time image processing", Proc. SPIE 11581, Photonics Applications in Astronomy, Communications, Industry, and High Energy Physics Experiments 2020, 115810F (14 October 2020).

Intellectual Technologies in Medical Diagnosis, Treatment and Rehabilitation: monograph / [S. In Pavlov, O.G. Avrunin, S.M. Zlepko, E.V. Bodyanskyi, etc.]; edited by S. Pavlov, O. Avrunin. - Vinnytsia: PP "TD "Edelveiss and K", 2019. -260 p. ISBN 978-617-7237-59-3

Intelligent Technologies of Computer Planning and Modeling in Medical Diagnosis, Treatment and Rehabilitation: monograph // edited by S.V. Pavlov, O.G. Avrunin, O.V. Hrushko - Zhytomyr: "Euro-Volyn" PE, 2021. - 202 p. ISBN 978-617-7992-15-7.

##submission.downloads##

Переглядів анотації: 164

Опубліковано

2022-12-28

Як цитувати

[1]
М. Ковальчук, П. Уштан, Ю. Ушенко, і І. Солтис, «Переваги та недоліки навчання багатошарової нейронної мережі за допомогою генетичного алгоритму», Опт-ел. інф-енерг. техн., вип. 43, вип. 1, с. 19–23, Груд 2022.

Номер

Том 43 № 1 (2022)

Розділ

Системи технічного зору і штучного інтелекту з обробкою та розпізнаванням зображень

Метрики

Завантаження

Дані завантаження ще не доступні.

Ліцензія

Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:

  1. Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
  2. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
  3. Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).