http://dspace.nbuv.gov.ua:80/handle/123456789/151056 Thu, 16 Apr 2026 21:38:46 GMT 2026-04-16T21:38:46Z http://dspace.nbuv.gov.ua:80/bitstream/id/449550/ http://dspace.nbuv.gov.ua:80/handle/123456789/151056 http://dspace.nbuv.gov.ua:80/handle/123456789/151170 Відомості про авторів Sun, 01 Jan 2017 00:00:00 GMT http://dspace.nbuv.gov.ua:80/handle/123456789/151170 2017-01-01T00:00:00Z http://dspace.nbuv.gov.ua:80/handle/123456789/151169 Реферати Sun, 01 Jan 2017 00:00:00 GMT http://dspace.nbuv.gov.ua:80/handle/123456789/151169 2017-01-01T00:00:00Z http://dspace.nbuv.gov.ua:80/handle/123456789/151168 Двовимірна модель навчання у спайкових нейронних мережах з гомеостазом та навчанням з підкріпленням Осауленко, В.М. Cкладність молекулярних механізмів, що підтримують формування пам’яті, заважає побудові простих, але вичерпних моделей для ефективної симуляції великих нейронних мереж. Запропоновано феноменологічну модель правила навчання, що описує силу зв’язку через повільну і швидку змінні. Їх взаємодія дозволяє об’єднати навчання без учителя та навчання з підкріпленням. Результати симуляції свідчать про стабільність сили зв’язку завдяки взаємодії двох змінних та швидкій формі гомеостатичної пластичності. Мультиплікативна форма масштабування ваг зберігає патерни пам’яті статистично більш частих стимулів. Подібним чином до підходу допоміжних слідів модель відслідковує нещодавні зміни сили зв’язку між нейронами і дозволяє їх підсилити. Наведено міркування про можливу біологічну інтерпретацію запропонованої моделі, що включає швидке переміщення рецепторів до мембрани і стабілізацію їх у кластери.; Сложность молекулярных механизмов, которые поддерживают формирование памяти, затрудняет построение простых, но точных и исчерпывающих моделей для эффективного моделирования больших нейронных сетей. Предложена феноменологическая модель правила обучения, описывающая силу связи нейронов посредством медленной и быстрой переменных. Их взаимодействие позволяет сочетать обучение с подкреплением и обучение без учителя. Результаты показывают стабильность силы связи за счет сочетания двух переменных и быстрой гомеостатической пластичности. Мультипликативный способ масштабирования весов сохраняет паттерны памяти статистически более частых входных сигналов. Схожим образом к подходу дополнительных следов модель отслеживает последние изменения весов и позволяет их усилить. Приведены соображения о возможной биофизической интерпретации модели, которая включает в себя быстрое перемещение рецепторов к мембране и стабилизации их в кластеры.; The huge complexity of molecular mechanisms that support memory formation makes it difficult to build simple, but precise and sufficient models for an efficient simulation of large neural networks. In this paper, we propose the phenomenological model of a learning rule that describes the synaptic strength via slow and fast variables. Two variables interact with each other in a bidirectional manner that allows to combine the reward and unsupervised learning. Results show the stability of synaptic strength due to coupling of two variables and fast homeostatic plasticity. The multiplicative approach of synaptic scaling preserves memory patterns of statistically more frequent input signals. Similar to the eligibility traces approach, the model tracks recent synaptic changes and allows to reinforce these changes. Also, we speculate on a possible biophysical interpretation of such a model that includes the fast movement of receptors to the membrane and their stabilization into clusters. Sun, 01 Jan 2017 00:00:00 GMT http://dspace.nbuv.gov.ua:80/handle/123456789/151168 2017-01-01T00:00:00Z http://dspace.nbuv.gov.ua:80/handle/123456789/151167 Методика вибору математичної моделі екологічного процесу Мікулін, В.В. У ХХІ ст. пошук підходів до вирішення екологічних проблем зумовлений загрозами існування навколишнього середовища внаслідок провадження різноманітних видів діяльності та бездіяльності людини. Більшу половину земної поверхні змінено людиною. Ця модифікація називається зміною в землекористуванні. Нелінійності у змінах у землекористуванні можна вивчати за допомогою інструментів інтелектуального аналізу даних. Запропоновано розглядати більш детально три моделі для зміни землекористування: штучні нейронні мережі, методи класифікації і регресії за допомогою побудови дерева рішень і багатовимірні адаптивні регресійні сплайни. Порівнюються результати трьох інструментів інтелектуального аналізу даних.; В XXI ст. поиск подходов к решению экологических проблем обусловлен угрозами существования окружающей среды в результате осуществления различных видов деятельности и бездеятельности человека. Более половины земной поверхности изменено человеком. Эта модификация называется изменением в землепользовании. Нелинейности в изменениях в землепользовании можно изучать с помощью инструментов интеллектуального анализа данных. Предложено рассматривать более подробно три модели для изменений землепользования: искусственные нейронные сети, методы классификации и регрессии с помощью построения дерева решений и многомерные адаптивные регрессионные сплайны. Сравниваются результаты трех инструментов интеллектуального анализа данных.; In the twenty-first century, the search for approaches to solving environmental problems is caused by the threat to the environment as a result of a variety of human activities, or lack thereof. More than half of the Earth's surface has been altered by people. This modification is called the change of land use. The nonlinearities in changes of land use can be studied with the help of data mining tools. It is proposed to consider the three models for the change of land use: artificial neural networks, methods for solving problems of classification and regression method of building decision trees, and multidimensional adaptive regression splines. Further studies compared the results of three data mining tools. Sun, 01 Jan 2017 00:00:00 GMT http://dspace.nbuv.gov.ua:80/handle/123456789/151167 2017-01-01T00:00:00Z