SEQUENTIAL LEARNING PROCESSES IN NEURAL NETWORKS  APPLIED AS MODELS OF NONLINEAR SYSTEMS

Azarskov, V. N.; Zhiteckii, L. S.; Nikolaienko, S. A.

Please use this identifier to cite or link to this item: https://er.nau.edu.ua/handle/NAU/28282

Full metadata record

DC Field	Value	Language
dc.contributor.author	Azarskov, V. N.	-
dc.contributor.author	Zhiteckii, L. S.	-
dc.contributor.author	Nikolaienko, S. A.	-
dc.date.accessioned	2017-05-26T07:16:13Z	-
dc.date.available	2017-05-26T07:16:13Z	-
dc.date.issued	2013-10	-
dc.identifier.issn	1990-5548	-
dc.identifier.uri	http://er.nau.edu.ua/handle/NAU/28282	-
dc.description.abstract	Asymptotic properties of the online gradient algorithm with a constant step size employed for learning in neural network models of nonlinear systems having one hidden layer are examined. Some conditions guaranteeing the convergence of this algorithm are established.	uk_UA
dc.description.abstract	Вивчено асимптотичні властивості градієнтного алгоритму зі сталим кроковим коефіцієнтом, що використовується для навчання в реальному часі нейромережних моделей нелінійних систем з одним прихованим шаром. Встановлено деякі умови, що гарантують збіжність цього алгоритму.	uk_UA
dc.language.iso	en	uk_UA
dc.publisher	ВД "Освіта України"	uk_UA
dc.subject	nonlinear system; neural network model; gradient algorithm; learning; convergence	uk_UA
dc.subject	нелінійна система, нейромережна модель, градієнтний алгоритм, навчання, збіжність	uk_UA
dc.title	SEQUENTIAL LEARNING PROCESSES IN NEURAL NETWORKS APPLIED AS MODELS OF NONLINEAR SYSTEMS	uk_UA
dc.title.alternative	Процеси послідовного навчання в нейронних мережах, що застосовуються як моделі нелінійних систем	uk_UA
dc.type	Article	uk_UA
Appears in Collections:	Наукові статті кафедри аерокосмічних систем управління

Files in This Item:

File	Description	Size	Format
Azarskov_EACS 3_2013.pdf		1.04 MB	Adobe PDF	View/Open

Show simple item record