К прежней статье тоже самое писали, да я раньше писал в университетские журналы, и как по другому оформлять публикации не знаю, какие подробности Вас интересуют?
Вы правы и не правы одновременно, дело в том, что скрытый слой, разделяет пространство признаков линейно, а выходной линейно разделяет пространство, которое формирует скрытый слой, и следовательно получить на выходе плоскость какого-либо другого порядка невозможно. Я писал именно об этом, эта проблема хорошо показана у Саймона Хайкина и Станислава Осовского.
Исходным кодом чего, просто я использовал свой фреймворк, для статистики и для создания НС, его код не могу дать. А код какой-то части приложения, для лучшего понимания, пожалуйста.
1) Смотря для каких задач, для обработки изображений хорошо подходят сверточные НС, для последовательностей — рекуррентные. Ну а тут вектор фильтровать не надо, и он имеет постоянную длину. Так что персептрон самое то.
Нейронную сеть можно рассматривать как многомерный аппроксиматор функций. Чтобы не пересказывать укажу литературу.(Станислав Осовский. Нейронные сети для обработки информации. М.: «Финансы и статистика». 2004 год. Страницы 90-92.)
Это понятно, книгу Тихонова я прочитал, по ней собственно и учились. Не понятно другое, как Вы получаете сложность O(N), когда алгоритм быстрой свертки имеет сложность O(3*N*log_2(N)).
К сожалению, я согласованными фильтрами занимался только в рамках учебы, но точно помню, что для принятия решений, мы после СФ, ставили пороговое устройство. Сам порог рассчитывался в зависимости от выбранного критерия и функции риска. И для перекрытия того же спектра сигналов нужно было бы использовать бесконечное количество таких фильтров. Вы можете скинуть ссылки по этой теме, я почитаю? Насчет КИХ Вы правы, сейчас посмотрел конспекты. Правда мы их только аналоговые проходили. И я после праздников сделаю сравнение, этих методов.
Нет, на эту тему я статью в журнале не публиковал. Просто раньше публиковался в различных инженерных сборниках и привычка так писать осталась, но ничего плохого я в этом не вижу. Друг посоветовал некоторые статьи публиковать здесь, вот и написал. Такая стилистика здесь неприемлема?
Нет не получится, нейронная сеть не так уж и много ресурсов хавает, намного меньше, чем свертка сигналов, к тому же возникают вопросы:
1) Сколько фильтров ставить;
2) Какой тип использовать, КИХ или БИХ;
К тому же их довольно сложно рассчитывать. Он же состоит из СФОИ, линий задержки и сумматора.
Для этого теста их бы пришлось использовать очень много, но в стат. радиотехнике доказано, что на фоне белого шума использование согласованного фильтра, при известных параметрах сигнала, является оптимальным. И там многое зависит от выбранного критерия обнаружения. Т.е. уровня z0. Где учитывается вероятность ложной тревоги и правильного обнаружения. Сделать объективное сравнение этих методов крайне сложно. Но если интересно, могу сделать и написать статью на эту тему.
Согласованный фильтр, может быть согласован только с одним сигналом, а тут ведется распознавание нескольких сигналов. С разной частотой, амплитудой, начальной фазой и даже формой.
На счет согласования со всей системой, мы на лекциях не проходили, да и в книгах не находил, Вы есть в ВК? Было бы интересно с Вами пообщаться.
Нет вводят, тут я скинул статью в Википедии, где говорится о согласованном фильтре для прямоугольного сигнала.
https://ru.wikipedia.org/wiki/%D0%A1%D0%BE%D0%B3%D0%BB%D0%B0%D1%81%D0%BE%D0%B2%D0%B0%D0%BD%D0%BD%D1%8B%D0%B9_%D1%84%D0%B8%D0%BB%D1%8C%D1%82%D1%80
Так же о нем написано у Баскакова на 425 стр.
К прежней статье тоже самое писали, да я раньше писал в университетские журналы, и как по другому оформлять публикации не знаю, какие подробности Вас интересуют?
Вы правы и не правы одновременно, дело в том, что скрытый слой, разделяет пространство признаков линейно, а выходной линейно разделяет пространство, которое формирует скрытый слой, и следовательно получить на выходе плоскость какого-либо другого порядка невозможно. Я писал именно об этом, эта проблема хорошо показана у Саймона Хайкина и Станислава Осовского.
Вы есть в вк?
На что?
Например диагностика неисправностей по токограммам.
Исходным кодом чего, просто я использовал свой фреймворк, для статистики и для создания НС, его код не могу дать. А код какой-то части приложения, для лучшего понимания, пожалуйста.
1) Смотря для каких задач, для обработки изображений хорошо подходят сверточные НС, для последовательностей — рекуррентные. Ну а тут вектор фильтровать не надо, и он имеет постоянную длину. Так что персептрон самое то.
Ну вот эти формулы, x — сигнал во временной области. А мат. ожидание, СКО, эксцесс и асимметрия — функционалы.
1) Сколько фильтров ставить;
2) Какой тип использовать, КИХ или БИХ;
К тому же их довольно сложно рассчитывать. Он же состоит из СФОИ, линий задержки и сумматора.