2518-1092Научный результат. Информационные технологии2518-109210.18413/2518-1092-2016-1-1-4-1125КОМПЬЮТЕРНОЕ МОДЕЛИРОВАНИЕНОВЫЕ АРХИТЕКТУРЫ И АЛГОРИТМЫ ОБУЧЕНИЯ НЕЙРОННЫХ СЕТЕЙ АДАПТИВНОЙ РЕЗОНАНСНОЙ ТЕОРИИNEW ARCHITECTURES AND ALGORITMS OF TRAINING THE ADAPTIVE RESONANCE THEORY TO NEURAL NETWORKSЗаковоротныйАлександр ЮрьевичZаkоvоrоtniyAleksander YurievichArcade@i.ua20161100

Проанализированы достоинства и недостатки архитектур и алгоритмов обучения дискретных нейронных сетей адаптивной резонансной теории (АРТ). Предложены новые архитектуры нейронных сетей АРТ и алгоритмы обучения сетей АРТ без адаптации весов связей распределенных распознающих нейронов.

The article analyzes the advantages and disadvantages of architectures and algorithms of training the Adaptive Resonance Theory (ART) to discrete neural networks. The authors propose some new architectures of ART neural networks and training algorithms of these networks without adaptation of link weights of distributed recognizing neurons.

дискретные нейронные сети адаптивной резонансной теорииалгоритмы обученияadaptive resonance theory of discrete neural networkstraining algorithmsСписок литературы1. Комашинский В.И. Нейронные сети и их применение в системах управления и связи / В.И. Комашинский, Д.А. Смирнов. – М.: Горячая линия – Телеком, 2002. – 94 с.2. Neural networks for control / Edited by W. Thomas Miller III, Richard S. Sutton, and Paul J. Werbos, − Cambridge, Massachusetts, London: MIT Press, 1996. − 524 P.3. Барский А.Б. Нейронные сети: распознавание, управление, принятие решений / А.Б Барский. – М.: Финансы и статистика, 2004. – 176 с.4. Галушкин А.И. Нейрокомпьютеры и их применение на рубеже тысячелетий в Китае. В 2-х томах. Том 2 / А.И. Галушкин. – М.: Горячая линия – Телеком, 2004. – 464 с.5. Хайкин С. Нейронные сети: полный курс / С. Хайкин – М.: Издательский дом «Вильямс», 2006. – 1104 с.6. Комарцова Л.Г. Нейрокомпьютеры: Учеб. пособие для вузов / Л.Г. Комарцова Л.Г., А.В. Максимов. – М.: Изд-во им. Н.Э. Баумана, 2002. − 320 с.7. Grossberg S. Competitive learning: From interactive activation to adaptive resonance // Cognitive Science – 1987. – Vol. 11. – P. 23–63.8. Carpenter G.A., Grossberg S. A massively parallel architecture for selforganizing neural pattern recognition machine // Computing, Vision, Graphics and Image Processing. – 1987. – Vol. 37. – P. 54 – 115.9. Дмитриенко В.Д., Корсунов Н.И. Основы теории нейронных сетей / В.Д. Дмитриенко, Н.И. Корсунов. – Белгород: БИИММАП, 2001. – 159 с.10. Fausett L. Fundamentals of Neural Networks. Architectures, Algorithms and Applications. – New Jersey: Prentice Hall International, Inc., 1994. – 461 p.11. Носков В.И. Моделирование и оптимизация систем управления и контроля локомотивов / Носков В.И., Дмитриенко В.Д., Заполовский Н.И., Леонов С.Ю. – Х.: ХФИ Транспорт Украины, 2003. – 248 с.