Skip navigation
DSpace logo
  1. Електронний науковий архів Науково-технічної бібліотеки Національного університету "Львівська політехніка"
  2. Електронний архів Науково-технічної бібліотеки
  3. Вісники та науково-технічні збірники, журнали
  4. Інформаційні системи та мережі
  5. Інформаційні системи та мережі. – 2017. – №872

putin IS MURDERER

Please use this identifier to cite or link to this item: https://oldena.lpnu.ua/handle/ntb/42964
Title: Послідовне ядерне нечітке кластерування великих масивів даних на основі гібридної системи обчислювального інтелекту
Other Titles: Sequential kernel fuzzy clustering of big data based on computational intelligence hybrid system
Authors: Бодянський, Є. В.
Дейнеко, А. О.
Жернова, П. Є.
Золотухін, О. В.
Хаустова, Я. В.
Affiliation: Харківський національний університет радіоелектроніки
Bibliographic description (Ukraine): Послідовне ядерне нечітке кластерування великих масивів даних на основі гібридної системи обчислювального інтелекту / Є. В. Бодянський, А. О. Дейнеко, П. Є. Жернова, О. В. Золотухін, Я. В. Хаустова // Вісник Національного університету «Львівська політехніка». Серія: Інформаційні системи та мережі. — Львів : Видавництво Львівської політехніки, 2017. — № 872. — С. 20–24.
Bibliographic description (International): Sequential kernel fuzzy clustering of big data based on computational intelligence hybrid system / Ye. V. Bodianskyi, A. O. Deineko, P. Ye. Zhernova, O. V. Zolotukhin, Ya. V. Khaustova // Visnyk Natsionalnoho universytetu "Lvivska politekhnika". Serie: Informatsiini systemy ta merezhi. — Lviv : Vydavnytstvo Lvivskoi politekhniky, 2017. — No 872. — P. 20–24.
Is part of: Вісник Національного університету «Львівська політехніка». Серія: Інформаційні системи та мережі, 872, 2017
Journal/Collection: Вісник Національного університету «Львівська політехніка». Серія: Інформаційні системи та мережі
Issue: 872
Issue Date: 28-Mar-2017
Publisher: Видавництво Львівської політехніки
Place of the edition/event: Львів
UDC: 004.032.26
Keywords: гібридна нейро-фаззі система
нейро-фаззі кластерувальна мережа Т. Когонена
кластерування
нечітка узагальнена регресійна нейронна мережа
self-learning method of hybrid neuro-fuzzy systems
big data
fuzzy clustering
clustering self-organizing network
fuzzy general regression neural network
Number of pages: 5
Page range: 20-24
Start page: 20
End page: 24
Abstract: Запропоновано архітектуру та методи самонавчання гібридної нейрофаззі системи обчислювального інтелекту для кластерування даних за умов, коли кластери, що формуються, можуть мати довільну форму і взаємно перетинатися. В основу запропонованої системи покладено нечітку узагальнену регресійну нейронну мережу та нейро-фаззі кластерувальну мережу Т. Когонена, налаштування яких основано як на лінивому навчанні, так і на навчанні, що ґрунтується на оптимізації.
The architecture and self-learning method of hybrid neuro-fuzzy systems for big fuzzy clustering in on-line mode are proposed in this paper. The architecture of proposed system represents the hybrid of the fuzzy general regression neural network and clustering selforganizing network. During a learning procedure in on-line mode, the proposed system tunes both its parameters and its architecture. For tuning of membership functions parameters of neuro-fuzzy system the method based on competitive learning is proposed. The hybrid neurofuzzy system tunes its synaptic weights, centers and width parameters of membership functions.
URI: https://ena.lpnu.ua/handle/ntb/42964
Copyright owner: © Національний університет „Львівська політехніка“, 2017
© Бодянський Є. В., Дейнеко А. О., Жернова П. Є., Золотухін О. В., Хаустова Я. В., 2017
References (Ukraine): 1. Kohonen T. Self-Organizing Maps / T. Kohonen // Berlin: Springer-Verlag. – 1995. – 362 p.
2. Bezdek, J.-C. Pattern Recognition with Fuzzy Objective Function Algorithms [Text] / J. C. Bezdek. –N.Y.: Plenum Press, 1981. – 272 p.
3. Tsao E.C.-K. Fuzzy Kohonen clustering networks [Text] / E.C.-K. Tsao,J. C. Bezdek, J. C. Tsao, N. R. Pal // Pattern Recognition. – 1994. – No. 27. – P. 757–764.
4. Pascual – Marqui R. D. Smoothly distributed fuzzy C-means: a new self-organizing map / R. D. Pascual – Marqui,A.D. Pascual – Montano, K. Kochi, J.M. Caroso // Pattern Recognition. – 2001. – No. 34. – P. 2395–2402.
5. MacDonald D., Fyfe C. Clustering in data space and feature space [Text] : ESANN'2002 Proc.European Symp. on Artificial Neural Networks. Bruges (24-26 April 2002). – Belgium. – 2002. – P. 137–142.
6. Girolami, M. Mercer kernel-based clustering in feature space [Text] / M. Girolami // IEEE Trans. on Neural Networks. – 2002. – Vol. 13. – No. 3. – P. 780–784.
7. Camastra F. A novel kernel method for clustering [Text] / F. Camastra, A. Verri // IEEE Trans. on Pattern Analysis and Machine Intelligence. – 2005. – No. 5. – P. 801–805.
8. Schölkopf, B. Learning with Kernels [Text] / B. Schölkopf, A. Smola //Cambridge M. A.: MIT Press. – 2002. – 648 p.
9. Kacprzyk J. Springer Handbook of Computational Intelligence [Text] / J. Kacprzyk, W. Pedrycz. – Berlin Heidelberg: Springer – Verlag, 2015. – 1634 p.
10. Haykin, S. Neural Networks and Learning Machines [Text] / S. Haykin. – N.Y. :Prentice Hall, 2009. – 1634 p.
11. Cortes C. Support Vector Networks [Texy] / C. Cortes, V. Vapnik // Machine Learning. – 1995. – No. 20. – P. 273–297.
12. Parzen E. On the estimation of a probability density function and the mode / E.Parzen // Ann. Math. Statist. – 1962. – No. 38. – P. 1065–1076.
13. Specht, D.F. A general regression neural network [Text] / D.F. Specht // IEEE Trans. on Neural Networks. – 1991. – Vol. 2. – P. 568–576.
14. Zahirniak D. Pattern recognition using radial basis function network. [Text] / D. Zahirniak, R. Chapman, S. Rogers, B. Suter, M. Kabrisky, V. Piati // Proc 6th Ann. Aerospace Application of Artificial Intelligence Conf. – Dayton, OH. – 1990. – P. 249–260.
15. Cover T. M. Geometrical and statistical properties of systems of linear inequali-ties with applications in pattern recognition [Text] / T.M. Cover // IEEE Trans. on Electronic Computers. – 1965. – No. 14. – P. 326–334.
16. Angelov, P. Evolving Rule-based Models: A Tool for Design of Flexible Adaptive Systems [Text] /P. Angelov // Heidelberg-New York: Springer-Verlag. – 2002. – 211 p.
17. Kasabov N. Evolving Connectionist Systems [Text] / N. Kasabov – London: Springer-Verlag. – 2003 – 307 p.
18. Angelov P.Evolving computational intelligence systems [Text] / P. Angelov, N. Kasabov // Proc. 1st Int. Workshop on Genetic Fuzzy Systems. – Granada, Spain. – 2005. – P. 76–82.
19. Lughofer E. Evolving Fuzzy Systems – Methodologies and Applications [Text] / E. Lughofer. – Studies in Fuzziness and Soft Computing. – Springer-Berlin. – 2011. – 410 p.
References (International): 1. Kohonen T. Self-Organizing Maps, T. Kohonen, Berlin: Springer-Verlag, 1995, 362 p.
2. Bezdek, J.-C. Pattern Recognition with Fuzzy Objective Function Algorithms [Text], J. C. Bezdek. –N.Y., Plenum Press, 1981, 272 p.
3. Tsao E.C.-K. Fuzzy Kohonen clustering networks [Text], E.C.-K. Tsao,J. C. Bezdek, J. C. Tsao, N. R. Pal, Pattern Recognition, 1994, No. 27, P. 757–764.
4. Pascual – Marqui R. D. Smoothly distributed fuzzy C-means: a new self-organizing map, R. D. Pascual – Marqui,A.D. Pascual – Montano, K. Kochi, J.M. Caroso, Pattern Recognition, 2001, No. 34, P. 2395–2402.
5. MacDonald D., Fyfe C. Clustering in data space and feature space [Text] : ESANN'2002 Proc.European Symp. on Artificial Neural Networks. Bruges (24-26 April 2002), Belgium, 2002, P. 137–142.
6. Girolami, M. Mercer kernel-based clustering in feature space [Text], M. Girolami, IEEE Trans. on Neural Networks, 2002, Vol. 13, No. 3, P. 780–784.
7. Camastra F. A novel kernel method for clustering [Text], F. Camastra, A. Verri, IEEE Trans. on Pattern Analysis and Machine Intelligence, 2005, No. 5, P. 801–805.
8. Schölkopf, B. Learning with Kernels [Text], B. Schölkopf, A. Smola //Cambridge M. A., MIT Press, 2002, 648 p.
9. Kacprzyk J. Springer Handbook of Computational Intelligence [Text], J. Kacprzyk, W. Pedrycz, Berlin Heidelberg: Springer – Verlag, 2015, 1634 p.
10. Haykin, S. Neural Networks and Learning Machines [Text], S. Haykin, N.Y. :Prentice Hall, 2009, 1634 p.
11. Cortes C. Support Vector Networks [Texy], C. Cortes, V. Vapnik, Machine Learning, 1995, No. 20, P. 273–297.
12. Parzen E. On the estimation of a probability density function and the mode, E.Parzen, Ann. Math. Statist, 1962, No. 38, P. 1065–1076.
13. Specht, D.F. A general regression neural network [Text], D.F. Specht, IEEE Trans. on Neural Networks, 1991, Vol. 2, P. 568–576.
14. Zahirniak D. Pattern recognition using radial basis function network. [Text], D. Zahirniak, R. Chapman, S. Rogers, B. Suter, M. Kabrisky, V. Piati, Proc 6th Ann. Aerospace Application of Artificial Intelligence Conf, Dayton, OH, 1990, P. 249–260.
15. Cover T. M. Geometrical and statistical properties of systems of linear inequali-ties with applications in pattern recognition [Text], T.M. Cover, IEEE Trans. on Electronic Computers, 1965, No. 14, P. 326–334.
16. Angelov, P. Evolving Rule-based Models: A Tool for Design of Flexible Adaptive Systems [Text] /P. Angelov, Heidelberg-New York: Springer-Verlag, 2002, 211 p.
17. Kasabov N. Evolving Connectionist Systems [Text], N. Kasabov – London: Springer-Verlag, 2003 – 307 p.
18. Angelov P.Evolving computational intelligence systems [Text], P. Angelov, N. Kasabov, Proc. 1st Int. Workshop on Genetic Fuzzy Systems, Granada, Spain, 2005, P. 76–82.
19. Lughofer E. Evolving Fuzzy Systems – Methodologies and Applications [Text], E. Lughofer, Studies in Fuzziness and Soft Computing, Springer-Berlin, 2011, 410 p.
Content type: Article
Appears in Collections:Інформаційні системи та мережі. – 2017. – №872

Files in This Item:
File Description SizeFormat 
2017n872_Bodianskyi_Ie_V-Sequential_kernel_fuzzy_20-24.pdf496.54 kBAdobe PDFView/Open
2017n872_Bodianskyi_Ie_V-Sequential_kernel_fuzzy_20-24__COVER.png472.03 kBimage/pngView/Open
Show full item record


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