Воронін, АльбертСавченко, Алла2024-03-192024-03-192023Воронін А.М. Векторна оптимізація архітектури нейромережевих класифікаторів / А.М. Воронін, А.С. Савченко // Комп’ютерні системи та мережні технології : ХІІІ Міжнар. науково-практ. конф. - Національний авіаційний університет. – Київ, 2023. – С. 45–46.https://er.nau.edu.ua/handle/NAU/62682ВИКОРИСТАНІ ДЖЕРЕЛА 1. Воронін А.М., Зіатдінов Ю.К., Климова А.С. Інформаційні системи прийняття рішень: Навчальний посібник. – К.: НАУ, 2009. – 136 с.Важливим різновидом систем штучного інтелекту є нейромережеві класифікатори. Вони застосовуються для технічної та медичної діагностики, класифікації різноманітних інформаційних джерел та ін. Кількість нейронів вхідного шару 0  np визначається розмірністю вхідного вектора ознак та не підлягає змінам. Аналогічно, кількість нейронів вихідного шару q1  mp визначається числом областей (класів), на які ділиться простір ознак і є постійним. Кількість же обробних (прихованих) шарів q і число нейронів у кожному з них 21 ,...,, ppp q становлять поняття архітектури нейронної мережі і можуть бути аргументами (незалежними змінними) при її оптимізації. Аргументами оптимізації архітектури нейронного класифікатора є кількості нейронів у кожному з обробних шарів, що становлять вектор незалежних змінних q  pp j}{ j1. Від вибору архітектури p залежить якість функціонування нейронного класифікатора.ukсистеманейронархітектуразміна