Федоренко Юрий Сергеевич

Рассматривается базовая архитектура самоорганизующихся растущих нейронных сетей (SOINN). Анализируются математические основы SOINN, показывающие возможность использования данного алгоритма для оценки плотности распределения вероятности классов. Предлагается алгоритм кластеризации данных, основанный на SOINN и марковском алгоритме кластеризации. Приводятся результаты экспериментов, подтверждающие эффективность предложенного алгоритма, анализируются его преимущества и недостатки.

В статье исследуется возможность применения многопоточного программирования для реализации задачи имитационного моделирования. На основе предложенного подхода создано приложение, моделирующее процесс обслуживания клиентов в парикмахерской. Проведен анализ преимуществ использования многопоточности при реализации задачи имитационного моделирования по сравнению с традиционным подходом на основе списков текущих и будущих событий. Предложен метод, объединяющий преимущества обоих подходов при использовании многоядерных процессоров.

Излагаются различные подходы к задачам распознавания образов. Обсуждаются инвариантные признаки, методы контурного анализа и нормализация изображений. Основное внимание уделяется архитектуре сверточных нейронных сетей и их особенностям. Исследуется возможность применения данных сетей для распознавания рукописных цифр. Изложена методика обучения сверточных сетей. Анализируются алгоритмы оптимизации методик обучения. Представлены экспериментальные исследования применения сверточной нейронной сети для распознавания рукописных цифр из базы Mnist.