Нейронные сети с полиномиальными кусочно-непрерывными функциями активации для поиска закономерностей в данных

Аннотация: Исследовано применение моделей нейронных сетей, использующих полиномиальные кусочно-непрерывные функции активации (ПКНФА) нейронов, для решения задач обнаружения закономерностей в наборах данных. Разработана структура многослойной однонаправленной нейронной сети для четырех видов ПКНФА с использованием метода скользящего окна для прогнозирования временных рядов и определения амплитуды детерминированного полезного сигнала на фоне белого шума. В процессе обучения нейронной сети используется алго- ритм Левенберга–Марквардта обратного распространения. По результатам тестирования проведено сравнение четырех нейронных сетей с различными видами ПКНФА с известными сетями. На основе сравнительного анализа разработаны рекомендации по использованию нейронных сетей с ПКНФА для обнаружения закономерностей в наборах данных.

Ключевые слова: нечеткие функции активации, нечеткие нейронные сети, обучение нейронных сетей, прогнозирование, определение параметров сигнала, поиск закономерностей в данных

Библиография статьи: Нгуен А. Т. Нейронные сети с полиномиальными кусочно-непрерывными функциями активации для поиска закономерностей в данных / А. Т. Нгуен, А. М. Кориков // Доклады ТУСУР. – 2019. – Т. 22, № 1. – С. 71–76. DOI: 10.21293/1818-0442-2019-22-1-71-76