Список публикаций по ключевому слову: «многослойные нейронные сети»
Технические науки (электромеханика, приборостроение, машиностроение, металлургия и др.)
Татьянкин Виталий Михайлович , старший преподаватель
ФГБОУ ВО «Югорский государственный университет» , Ханты-Мансийский Автономный округ - Югра АО
«Расчёт дебита нефти добывающей скважины с помощью многослойной нейронной сети»
В статье рассматривается применение многослойной нейронной сети для расчёта дебита нефтяной скважины. Предполагается, что формула расчёта дебита нефтяной скважины не известна, а имеется только набор параметров, которые имеют существенное влияние на него. В качестве параметров рассматриваются: дебит жидкости, плотность нефти и жидкости.
ФГБОУ ВО «Югорский государственный университет» , Ханты-Мансийский Автономный округ - Югра АО
«Алгоритм формирования оптимальной архитектуры многослойной нейронной сети»
В статье рассматриваются эффективность использования нейронных сетей для решения ряда практических задач. Автор статьи указывает на существующую проблему выбора оптимального количества нейронных элементов в скрытом слое, при которых ошибка обучения будет минимальна. Разработан и предложен алгоритм формирования оптимальной архитектуры многослойной нейронной сети.
ФГБОУ ВО «Югорский государственный университет» , Ханты-Мансийский Автономный округ - Югра АО
«Использование многослойных нейронных сетей в прогнозирование временных рядов»
В статье рассматривается прогнозирование временных рядов, которые определяются многофакторными, нелинейными, математическими моделями. Предлагается для этого использовать многослойные нейронные сети, так как это позволит избежать выбора модели, который требуется в классическом подходе к прогнозированию, что повысит эффективность прогнозирования временных рядов.
ФГБОУ ВО «Югорский государственный университет» , Ханты-Мансийский Автономный округ - Югра АО
«Модифицированный алгоритм обратного распространения ошибки»
В статье предложен модифицированный алгоритм обучения многослойных нейронных сетей. Использование предложенного алгоритма позволит уменьшить влияние субъективного мнения, что в свою очередь повысит достоверность полученных результатов.