Розроблено новий тип штучної нейронної мережі з осциляторними нейронами, які мають власні частоти. За допомогою такої штучної нейронної мережі на основі інформаційного резонансу реалізовано новий метод розпізнавання мультиспектральних образів (мультиспектральних електромагнітних сигналів), що випромінюють динамічні об’єкти. Побудована нейронна мережа розпізнаватиме вхідні спектральні образи з амплітудою нестаціонарного сигналу співмірною з амплітудою сигналу шуму, завдяки резонансному ефекту в нелінійнійних осциляторних нейронах. Проведено комп’ютерний експеримент із розпізнавання мультиспектральних образів динамічною нейронною мережею на основі резонансного ефекту.
1. Wang L. (1994). Adaptive Fuzzy Systems and Control. Design and Stability Analysis. New Jersey: Prentice Hall.
2. Jang J., Sun C., Muzutani E. (1997). Neuro-Fuzzy and Soft Computing: A Computational Approach to Learning and Machine Intelligence. IEEE Transactions on Automatic Control, 42(10), 1482 – 1484. https://doi.org/10.1109/TAC.1997.633847
3. Abiyev R., Kaynak O. (2008). Fuzzy wavelet neural networks for identification and control of dynamic plants – A novel structure and a comparative study, IEEE Trans. On Industrial Electronics, 55 (8), 3133 – 3140. https://doi.org/10.1109/TIE.2008.924018
4. Bodyanskiy Y., Pliss I., Vynokurova O. (2010). Hybrid wavelet-neuro-fuzzy system using adaptive Wneurons. Wissenschaftliche Berichte, FH Zittau/Goerlitz, 106, 301 – 308.
5. Vynokurova O. (2009). Hybrid adaptive neuro-fuzzy and wavelet-neuro-fizzy inferences systems of computational intelligence in signal processing tasks under high level noise. Adaptive automatic control systems, 15 (35), 113 – 120.
6. Kholmansky A. (2006). Simulation of brain physics. Quantum magic, 3(3), 3126–3155.
7. Smith K. (2005). Sensory Systems Biology, Moscow BINOM. Laboratory of Knowledge.
8. Hameroff S., Penrose R. (1994). Quantum coherence in microtubules: A neural basis for emergent consciousness? J. of Consciousness Studies, 1, 91–118.
9. Slyadnikov E. (2007). Physical model and associative memory of the dipole system of the cytoskeleton microtubule. Journal of Technical Physics, 7, 77 – 86.
10. Lytvyn V., Vysotska V., Peleshchak I., Rishnyak I., Peleshchak R. (2018). Time Dependence of the Output Signal Morphology for Nonlinear Oscillator Neuron Based on Van der Pol Model. International Journal of Intelligent Systems and Applications(IJISA), 10(4), 8 – 17. https://doi.org/10.5815/ijisa.2018.04.02