Realizacja pamięci skojarzeniowej z zastosowaniem modelu uczenia maszynowego

• Autorzy: Citko W. , Sieńko W.

Identyfikatory

DOI

10.15199/48.2017.08.20

Warianty tytułu

EN

On realization of associative memory using machine learning

• Języki publikacji: PL

Abstrakty

PL

W pracy przedstawiono model systemu nauczania maszynowego wykorzystujący transformacje biortogonalne oparte na macierzach Hurwitza-Radona. Uniwersalne właściwości proponowanego modelu nauczania maszynowego zilustrowano przykładem analizy polegającym na rekonstrukcji obrazu na podstawie niepełnych danych.

EN

The paper presents a model of machine learning system using biorthogonal transformations based on Hurwitz-Radon matrices. The universal properties of the proposed machine learning model are illustrated by an example of an image reconstruction analysis based on incomplete data.

Słowa kluczowe

PL

inteligencja obliczeniowa; system uczenia maszynowego; rekonstrukcja obrazów; przetwarzanie sygnałów; transformacja biortogonalna; macierz Hurwitza-Radona

EN

computational intelligence; machine learning systems; image reconstruction; biorthogonal transformation; Hurwitz-Radon matrices

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2017
• Tom: R. 93, nr 8
• Strony: 77--80
• Opis fizyczny: Bibliogr. 3 poz., rys.

Twórcy

autor

Citko W.

• Akademia Morska w Gdyni, Wydział Elektryczny, ul. Morska 81-87, 81-225 Gdynia

autor

Sieńko W.

• Akademia Morska w Gdyni, Wydział Elektryczny, ul. Morska 81-87, 81-225 Gdynia

Bibliografia

• [1] Citko W., Sieńko W., Modele optymalnego przetwarzania sygnałów losowych, Zeszyty Naukowe Akademii Morskiej w Gdyni, nr 90/2015, 2015
• [2] Citko W., Sieńko W., Zastosowanie macierzy Hurwitza-Radona w uczeniu maszynowym, Elektronika : konstrukcje, technologie, zastosowania, (10) (2016), 28–30
• [3] Eckmann B., Topology, Algebra, Analysis-Relations and Missing Links, Notices of the AMS, vol. 46 (1999), No 5

Uwagi

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę (zadania 2017).