Методы синтеза и модели нейро-нечетких сетей для решения задач диагностики и классификации по признакам

dc.contributor.author	Субботин, С.А.
dc.date.accessioned	2014-02-13T00:13:44Z
dc.date.available	2014-02-13T00:13:44Z
dc.date.issued	2010
dc.identifier.citation	Методы синтеза и модели нейро-нечетких сетей для решения задач диагностики и классификации по признакам / С.А. Субботин // Штучний інтелект. — 2010. — № 2. — С. 153-157. — Бібліогр.: 13 назв. — рос.	uk_UA
dc.identifier.issn	1561-5359
dc.identifier.uri	http://dspace.nbuv.gov.ua/handle/123456789/56168
dc.description.abstract	Проанализированы известные методы синтеза и модели нейро-нечетких сетей прямого распространения. Впервые предложены критерии, позволяющие оценивать временную и пространственную сложность неитеративных методов обучения нейро-нечетких сетей.	uk_UA
dc.description.abstract	Проаналізовано відомі методи синтезу і моделі нейро-нечітких мереж прямого поширення. Уперше запропоновано критерії, що дозволяють оцінювати часову і просторову складність неітеративних методів навчання нейро-нечітких мереж.	uk_UA
dc.description.abstract	The known methods of synthesis and models of feed-forward neuro-fuzzy networks are analyzed. The new criteria for measuring the temporal and spatial complexity of non-iterative training methods of neuro-fuzzy networks are proposed.	uk_UA
dc.language.iso	ru	uk_UA
dc.publisher	Інститут проблем штучного інтелекту МОН України та НАН України	uk_UA
dc.relation.ispartof	Штучний інтелект
dc.subject	Прикладные интеллектуальные системы. Моделирование объектов и процессов	uk_UA
dc.title	Методы синтеза и модели нейро-нечетких сетей для решения задач диагностики и классификации по признакам	uk_UA
dc.title.alternative	Методи синтезу і моделі нейро-нечітких мереж для вирішення завдань діагностики та класифікації за ознаками	uk_UA
dc.title.alternative	The Methods of Synthesis and Models of Neuro-fuzzy Networks for Diagnosis and Classification Problem Solving on Features	uk_UA
dc.type	Article	uk_UA
dc.status	published earlier	uk_UA
dc.identifier.udc	004.93