Skip navigation
Please use this identifier to cite or link to this item: https://libeldoc.bsuir.by/handle/123456789/55023
Title: Эволюционные методы формирования нейросетевых моделей сложных систем
Other Titles: Evolutionary methods for forming neural network models of complex systems
Authors: Хмелев, А. Г.
Хмелева, А. В.
Потапов, В. Д.
Keywords: материалы конференций;инженерное образование;нейросетевые модели;информационные технологии;сложные системы;GAAL
Issue Date: 2024
Publisher: БГУИР
Citation: Хмелев, А. Г. Эволюционные методы формирования нейросетевых моделей сложных систем = Evolutionary methods for forming neural network models of complex systems / А. Г. Хмелев, А. В. Хмелева, В. Д. Потапов // Инженерное образование в цифровом обществе : материалы Международной научно-методической конференции, Минск, 14 марта 2024 г. : в 2 ч. Ч. 2 / Белорусский государственный университет информатики и радиоэлектроники ; редкол.: Е. Н. Шнейдеров [и др.]. – Минск, 2024. – С. 179–181.
Abstract: Показана возможность использования эволюционных методов при формировании нейросетевых моделей сложных экономических систем для обеспечения инвариантности их обобщающих свойств. В качестве реализации предложен генетический алгоритм с геномом из оперонов фиксированной длины, который позволяет исключить антропогенные факторы при выборе архитектуры нейросетевых моделей сложных систем.
Alternative abstract: Shown to have potential evolutionary methods when forming neural network models of complex economic systems to ensure the invariance of generalizing properties. As the implementation of proposed genetic algorithm with the genome out of operons of fixed length, which eliminates the man-made factors in the formation of neural-network models of complex systems.
URI: https://libeldoc.bsuir.by/handle/123456789/55023
Appears in Collections:Инженерное образование в цифровом обществе (2024)

Files in This Item:
File Description SizeFormat 
Khmelov_Evolutionary_methods.pdf360.77 kBAdobe PDFView/Open
Show full item record Google Scholar

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.