Model procesu sortowania obiektów przy wykorzystaniu podejścia neuronowego

• Autorzy: Lotysh J.

Identyfikatory

DOI

10.5604/20830157.1176582

Warianty tytułu

UK

Модель процесу сортування об`єктів з використанням нейропідходу

EN

The model of objects’ sorting process by using neuro approach

• Języki publikacji: PL UK

Abstrakty

PL

W artykule zaproponowane zostały imitacyjne komputerowe modele sortowania za pomocą normalnego trybu pracy oraz trybu neuronowego. Na podstawie modelu opracowano algorytm oraz otrzymane oprogramowanie, które implementuje system kontroli sortowania obiektów za pomocą wykorzystania podejścia neuronowego.

UK

В роботі пропонуютьcя імітаційні комп’ютерні моделі сортування зі звичайним режимом роботи та з режимом нейроуправління. На базі моделі розроблено алгоритм та отримано програмне забезпечення, яке реалізує систему управління сортуванням об`єктів з використанням нейропідходів.

EN

Imitational sorting computer models with ordinary operating regime and with neurooperating regime are proposed in the article. On the basis of the model the algorithm is developed and the software is received, which realizes the system of sorting operating of the objects by using neuro approaches.

Słowa kluczowe

PL

kontrola automatyczna; sieci neuronowe; modelowanie komputerowe

EN

automatic control; neural networks; computer simulation

• Wydawca: Wydawnictwo Politechniki Lubelskiej
• Czasopismo: Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
• Rocznik: 2015
• Tom: nr 4
• Strony: 92--98
• Opis fizyczny: Bibliogr. 15 poz., rys.

Twórcy

autor

Lotysh J.

• Łucki Narodowy Uniwersytet Techniczny, Wydział Automatycznego Sterowania Procesami Produkcyjnym

Bibliografia

• [1] Baskanova T.F., Lankyn Yu.P.: Neyrosetevye alhorytmy samostoyatelʹnoy adaptatsyy. Sbornyk nauchnykh trudov: Vserossyyskaya nauchnotekhnycheskaya konferentsyya "Neyroynformatyka-99". CH. 1, 1999, 17–24.
• [2] Dorohov A.Yu., Alekseev A.A.: Matematycheskye modely bystrykh neyronnykh setey. V sb. nauchn. tr. "Systemy upravlenyya y obrabotky ynformatsyy". Vyp. 490, 1996.
• [3] Gill P.E., Murray W., Wright M.H.: Practical Optimization, Academic Press, New York 1981.
• [4] Hopfield J.: Neural networks and physical systems with emergent collective computational abilities, Proceedings of National Academy of Sciences, vol. 79 no. 8, 2554–2558.
• [5] Loskutov A.Yu., Mykhaylov A.S.: Vvedenye v synerhetyku, Nauka, Moskva 1990.
• [6] Mkrtchyan C.O.: Neyrony y neyronnye sety (Vvedenye v teoryyu formalʹnykh neyronov), Énerhyya, Moskva 1971.
• [7] Muller В., Reinhardt J.: Neural Networks. An introduction, Springer-Verlag, Berlin 1991.
• [8] Surovtsev Y.S., Klyukyn V.Y., Pyvovarova R.P.: Neyronnye sety, VHU, Voronezh 1994.
• [9] Volʹkenshteyn M.B.: Byofyzyka: Ucheb. rukovodstvo, Nauka, Moskva 1988.
• [10] Wasseman P.D.: Neural computing: theory and practice, Van Nostrand Reinhold Co., New York 1989.
• [11] Analysis of cryptographic algorithms on neural networks: http://scsp.org.ua/files/spring/2010/Olga_ProvotarAnalysis_of_cryptographic_algorithms_on_neural_networks.pdf
• [12] BaseGroup Labs: http://www.basegroup.ru/
• [13] Vykypedyya. Neyronnaya setʹ Khopfylda: https://ru.wikipedia.org/wiki/%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D0%B0%D1%8F_%D1%81%D0%B5%D1%82%D1%8C_%D0%A5%D0%BE%D0%BF%D1%84%D0%B8%D0%BB%D0%B4%D0%B0
• [14] Yspolʹzovanye alhorytma obratnoho rasprostranenyya oshybky: http://sernam.ru/book_gen.php?id=69
• [15] Neyronnaya setʹ Khopfylda y ee prymenenye: http://iasa.org.ua/lections/tpr/neuro/hopfield.htm