| DC Field | Value | Language |
|---|
| dc.contributor.author | Хмелев, А. Г. | - |
| dc.contributor.author | Хмелева, А. В. | - |
| dc.contributor.author | Потапов, В. Д. | - |
| dc.coverage.spatial | Минск | en_US |
| dc.date.accessioned | 2024-03-27T11:56:16Z | - |
| dc.date.available | 2024-03-27T11:56:16Z | - |
| dc.date.issued | 2024 | - |
| dc.identifier.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. | en_US |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/55023 | - |
| dc.description.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. | en_US |
| dc.language.iso | ru | en_US |
| dc.publisher | БГУИР | en_US |
| dc.subject | материалы конференций | en_US |
| dc.subject | инженерное образование | en_US |
| dc.subject | нейросетевые модели | en_US |
| dc.subject | информационные технологии | en_US |
| dc.subject | сложные системы | en_US |
| dc.subject | GAAL | en_US |
| dc.title | Эволюционные методы формирования нейросетевых моделей сложных систем | en_US |
| dc.title.alternative | Evolutionary methods for forming neural network models of complex systems | en_US |
| dc.type | Article | en_US |
| local.description.annotation | 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. | en_US |
| Appears in Collections: | Инженерное образование в цифровом обществе (2024)
|
