Zastosowanie macierzy Hurwitza-Radona w uczeniu maszynowym

• Autorzy: Citko W. , Sieńko W.

Identyfikatory

DOI

10.15199/13.2016.10.7

Warianty tytułu

EN

Using Hurwitz-Radon matrices for machine learning

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono zastosowanie macierzy Hurwitza-Radona do syntezy systemu uczenia maszynowego. Jako przykład zastosowania systemu wybrano predykcję ciągów czasowych generowanych przez chaotyczne równanie Mackey-Glass’a.

EN

The purpose of this article is to present a model of the machine learning system which is based on a Hurwitz-Radon matrices. This system is used to predict time series genereted by the Mackey-Glass equation.

Słowa kluczowe

PL

uczenie maszynowe; kwantowe przetwarzanie sygnałów; predykcja szeregów czasowych; macierze Hurwitza-Radona

EN

machine learning; quantum signal processing; time series prediction; Hurwitz-Radon matrices

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Elektronika : konstrukcje, technologie, zastosowania
• Rocznik: 2016
• Tom: Vol. 57, nr 10
• Strony: 28--30
• Opis fizyczny: Bibliogr. 9 poz., rys.

Twórcy

autor

Citko W.

• Akademia Morska w Gdyni, Wydział Elektryczny

autor

Sieńko W.

• Akademia Morska w Gdyni, Wydział Elektryczny

Bibliografia

• [1] S. Haykin, 2009, “Neural Networks and Learning Machines”, Pearson Education, Inc.
• [2] W. Sienko, W. Citko, 2009. “Hamiltonian Neural Networks Based Networks for Learning”, In Mellouk, A. and Chebira, A. (Eds.), Machine Learning, ISBN 978-953-7619-56-1, J, pp. 75-92, Publisher: I-Tech, Vienna, Austria.
• [3] D. Jakóbczak, 2006, “Zastosowanie dyskretnego operatora Hurwitza-Radona”, Rozprawa Doktorska, Polsko-Japońska Wyższa Szkoła Technik Komputerowych, Warszawa.
• [4] Y. C. Eldar, 2001, “Quantum Signal Processing”, Ph. D. Dissertation, MIT.
• [5] Y. C. Eldar, A. V. Oppenheim, 2002, “Quantum Signal Processing”, IEEE Signal Proc. Magazine, 19, No 6.
• [6] B. Eckmann, 1999, “Topology, Algebra, Analysis-Relations and Missing Links”, Notices of the AMS, vol. 46, No 5.
• [7] W. Citko, W. Sieńko, 2015, “Modele optymalnego przetwarzania sygnałów losowych”, Zeszyty Naukowe Akademii Morskiej w Gdyni, nr 90/2015.
• [8] L. Glass, M. C. Mackey, 1979, “Pathological physiological conditions resulting from instabilities in physiological control systems”, Ann. NY. Acad. Sci, 316:214-235.
• [9] J. S. R. Jang, Chuen-Tsai Sun, 1995, “Neuro-fuzzy modeling and control”, Proceedings of the IEEE. Vol. 83, No 3.