Search

A promising class of neural network models used recently to solve the problems of recognition of noisy images are denoising autoencoders. In particular, the evolutionary approach can be effectively used in DAE to determine the network architecture, weights and learning algorithm. The proposed neural network evolving autoencoder allows efficient processing of noisy images due to the iterative learning procedure even in the presence of local distortions. When using the EDAE for determining the network architecture, weights and learning algorithm, standard evolutionary procedures (population initialization, population assessment, selection, crossover, mutation), as well as the evolutionary algorithm for the ANN adjustment and special chromosome formats are used.The proposed approach to filtering and recognition of noisy images based on the EDAE application is promising for environmental monitoring of landscape and industrial areas, Запропоновано метод нейромережевої обробки зашумлених цифрових зображень, які можуть містити викривлені фрагменти. Метод заснований на використанні шумопригнічуючих автоенкодерів (ШАЕ). Для настроювання параметрів ШАЕ та вибору його структури застосовано нейроеволюційний підхід. Запропонована нейроеволюційна модель ШАЕ характеризується поліпшеними апроксимуючими властивостями. Результати моделювання свідчать про можливість практичного використання запропонованого методу (зокрема, для обробки даних в геоінформаційних системах), Предложен метод нейросетевой обработки зашумленных цифровых изображений, которые могут содержать искаженные фрагменты. Метод основан на применении шумоподавляющих автоэнкодеров (ШАЭ). Для настройки параметров ШАЭ и выбора его структуры использован нейроэволюционный подход. Предложенная нейроэволюционная модель ИНС характеризуется улучшенными аппроксимирующими свойствами. Результаты моделирования свидетельствуют о возможности практического применения предложенного метода (в частности, для обработки пространственных данных в геоинформационных системах)

Робота присвячена проблемі прогнозування розрахункових характеристик компонентів транспортних систем. Рішення проблеми базується на моделюванні еволюції системи „людина–автомобіль–дорогаприземний простір”, Работа посвящена проблеме прогнозирования расчетных характеристик компонентов транспортных систем. Решение проблемы базируется на моделировании эволюции системы «человек – автомобиль–дорога– приземное пространство», The given work is devoted to the problem of the transport systems components prognostication. The problem solution is based on “man – automobile –road– land space” system evolution modeling