|
Публикации в журналах
- Цой Ю.Р. Приближенное вычисление локальных среднего и дисперсии для обработки цифровых изображений // Информационные технологии. - 2007. - № 4. - С. 28-32.
Аннотация
Представлены формулы для приближенного вычисления локальных средней и дисперсии яркости изображений. Исследование полученных формул показало, что точность вычисления среднего в большинстве случаев превышает уровень 20 дБ, а точность вычисления дисперсии не ниже 30 дБ. Время приближенных вычислений линейно зависит от радиуса окрестности и тем самым достигается более чем 30-кратный выигрыш по времени по сравнению с точными формулами для среднего и дисперсии (для окрестности 65х65 пикселей).
- Red'ko V.G., Tsoy Y.R. Efficiency of evolutionary search in quasispecies model // Нечеткие системы и мягкие вычисления, 2007, № 1. www: http://fuzzy.tversu.ru
Abstract
Efficiency of the evolutionary search in M.Eigen's quasispecies model is estimated. Simple analytical formulas for the evolution rate and the total number of fitness function calculations are obtained. Analytical estimations are proved by computer simulations. It is shown that for the case of unimodal fitness function of binary strings with length N, the optimal string can be found during N generations under condition that the total number of fitness function calculations is of the order of N2.
- Цой Ю.Р. Введение в нейроэволюционный подход: основные концепции и приложения // Научная сессия МИФИ - 2007. IX Всероссийская научно-техническая конференция "Нейроинформатика-2007": Лекции по нейроинформатике. Часть 2. -М.:МИФИ, 2007. - С. 43-76.
Аннотация
В лекции рассматривается нейроэволюционный (НЭ) подход - направление исследований, находящееся на стыке искусственных нейронных сетей (ИНС) и эволюционных вычислений. Выделены преимущества и недостатки НЭ-подхода при решении задач эволюционной настройки весов и структуры ИНС. Рассматривается применение НЭ-алгоритмов к решению задач адаптивного управления, адаптивного поведения, многоагентных систем, эволюционной робототехники, поиска игровых стратегий и компьютерного творчества.
[pdf (420 Kb)]
Презентация [rar, pps (1,665 kb)]
- Цой Ю.Р., Спицын В.Г., Чернявский А.В. Способ улучшения качества монохромных и цветных изображений, основанный на применении эволюционирующей нейронной сети // Информационные технологии. - 2006. - №7. - С. 27-33.
Аннотация
Предлагается нейроэволюционный способ улучшения качества монохромных и цветных изображений на базе локально-адаптивного подхода. При обучении искусственной нейронной сети используется обобщенная оценка качества обработанного изображения с точки зрения его контрастности. Представленные результаты экспериментов показывают перспективность предлагаемого способа по сравнению с методом, основанным на использовании только генетического алгоритма.
- Цой Ю.Р. О математических моделях эволюционных алгоритмов // Перспективные информационные технологии и системы. - 2006. - № 2. - С. 42-47. http://pitis.tsure.ru/
Аннотация
Ввиду нелинейности динамики эволюционных алгоритмов (ЭА) большой интерес представляют математические модели ЭА, позволяющие более детально изучить особенности их работы, а в некоторых случаях дающие возможность спрогнозировать качество результатов и оценить вычислительную сложность ЭА. В статье рассматриваются три подхода к созданию моделей ЭА: 1) на основе теории вероятностей, математической статистики и теории случайных процессов; 2) с использованием результатов, полученных в математической генетике; 3) с применением методов статистической механики. Описаны основные результаты, полученные с использованием перечисленных подходов.
- Цой Ю.Р., Спицын В.Г. Эволюционный подход к настройке и обучению искусственных нейронных сетей // Электронный журнал "Нейроинформатика". - 2006. - Т. 1, №1. - С. 34-61.
Аннотация
В статье рассматривается применение эволюционных алгоритмов (ЭА) для настройки структуры и поиска весов связей искусственных нейронных сетей (ИНС) - нейроэволюционный (НЭ) подход. Дается общая характеристика НЭ подхода, формулируются его преимущества и недостатки. Рассматриваются проблемы разработки НЭ алгоритмов и возможные пути их решения. Обосновывается использование эволюционного поиска весов связей ИНС для решения ряда задач, использующих качественную оценку функционирования ИНС.
[pdf]
- Редько В.Г., Цой Ю.Р. Оценка эффективности эволюционных алгоритмов // Доклады АН, 2005, т. 404, №3, с. 312-315.
- Цой Ю.Р., Спицын В.Г. Нейроэволюционный подход // Нейрокомпьютеры: разработка и применение, 2005, №6, с. 15-25.
Аннотация
Одним из вариантов настройки искусственной нейронной сети (ИНС) является использование генетического алгоритма (ГА). Такой подход получил название "нейроэволюционный". Его преимуществом является универсальность, адаптивность, а также возможность настройки не только весов, но и топологии ИНС. В работе дается общее описание нейроэволюционных методов, рассматриваются основные преимущества и недостатки, кратко описываются основные тестовые проблемы и наиболее известные из существующих реализации нейроэволюционных алгоритмов.
- Tsoy Y.R., Spitsyn V.G. Using genetic algorithm with adaptive mutation mechanism for neural networks design and training // Optical memory and neural networks, 2004, vol. 13, no. 4, pp. 225-232.
Abstract
A developed evolutionary algorithm (NEvA) for simultaneous design and training of neural network is described. The distinctive features of the introduced algorithm are: (1) flexible and effective evolutionary search; (2) balanced resulting neural network structure due to adaptive mutation operator. In NEvA the neural network structure changes caused by mutation operator and the mutation rate are defined independently for each organism. Two different tasks are chosen to test the algorithm. The first one is a simple 2-bit parity problem, well known as XOR problem, and the second is an adaptive neurocontrol task of 1 and 2 poles balancing. A comparison of the obtained results with that of for other algorithms showed high performance of the NEvA algorithm.
|
|
Расписание
