Строятся частичные группоиды, ассоциированные с композициями многослойных нейронных сетей прямого распределения сигнала (далее - нейронные сети). Элементами данных группоидов являются кортежи специального вида. Задание такого кортежа определяет структуру (т. е. архитектуру) нейронной сети. Каждому такому кортежу можно сопоставить отображение, которое будет реализовывать работу нейронной сети как вычислительной схемы. Таким образом, в данной работе нейронная сеть отождествляется в первую очередь со своей архитектурой, а ее работу реализует отображение, которое строится с помощью модели искусственного нейрона. Частичная операция в построенных группоидах устроена так, что результат ее применения (если он определен) к паре нейронных сетей дает нейронную сеть, которая на каждом входном сигнале действует в соответствии с принципом композиции нейронных сетей (т. е. выходной сигнал одной сети отправляется на вход второй сети). Установлено, что построенные частичные группоиды являются полугруппоидами (т. е. частичными группоидами с условием сильной ассоциативности). Строятся некоторые эндоморфизмы указанных группоидов, которые позволяют менять пороговые значения и функции активации нейронов указанной совокупности. Изучаются преобразования построенных частичных группоидов, которые позволяют менять веса синоптических связей из заданного множества синоптических связей. Данные преобразования в общем случае не являются эндоморфизмами. Был построен частичный группоид, для которого данное преобразование является эндоморфизмом (носитель этого частичного группоида является подмножеством в носителе исходного частичного группоида).
Идентификаторы и классификаторы
This work considers only multilayer neural networks with direct signal distribution (hereinafter, simply networks or neural networks). Information about neural networks and their structures can be found in [4; 5; 7; 9; 10]. The information technology industry’s advances in the use of various neural networks can be found in [10]. We consider neural networks as mathematical objects that define the structure of the neural network. The operation of a neural network as a computational circuit is defined as a mapping defined using an artificial neuron (McCulloch–Pitts) model. For each neural network N with k inputs and m outputs corresponds to a mapping FN: R k → R m, which models the operation of a neural network as a computing circuit. The definition 4, which models the neural network in this work, is constructed in a similar way to the definition of a neural network from the works [6]. The definition 4 has some differences from the definition of neural networks in [7]. The latter is explained by the context of the study.
Список литературы
1. Арапина-Арапова Е. С. Частичные группоиды применительно к информационным системам // Известия ЮФУ. Технические науки. 2013. №2. С. 46-51. EDN: PVYEWN
2. Глушков В. М. Абстрактная теория автоматов // Успехи математических наук. 1961. Т. 16, № 5. С. 3-62.
3. Глускин Л. M. Исследования по общей алгебре в Саратове // Известия высших учебных заведений. Математика. 1970. № 4. C. 3-16.
4. Головко В. А., Краснопрошин В. В. Нейросетевые технологии обработки данных: учеб. пособие. Минск: Изд-во Беларус. гос. ун-та, 2017. 263 с. EDN: GLVGIE
5. Горбань А. Н. Обобщенная аппроксимационная теорема и вычислительные возможности нейронных сетей // Сибирский журнал вычислительной математики. 1998. Т. 1, № 1. С. 11-24. EDN: PRZOML
6. Литаврин А. В., Моисеенкова Т. В. Об одном группоиде, ассоциированном с композицией многослойных нейронных сетей прямого распространения сигнала // Журнал Средневолжского математического общества. 2024. T. 26, № 2. С. 111-122. DOI: 10.15507/2079-6900.26.202402.111-122 EDN: JHMMZB
7. Litavrin A. V. On endomorphisms of the additive monoid of subnets of a two-layer neural network // Известия Иркутского государственного университета. Серия Математика. 2022. Т. 39. С. 111-126. DOI: 10.26516/1997-7670.2022.39.111 EDN: SVDHWM
8. Ляпин Е. С. Частичные группоиды, получаемые из полугрупп ограничениями и гомоморфизмами // Известия высших учебных заведений. Математика. 1989. № 10. С. 30-36.
9. Слеповичев И. И. Алгебраические свойства абстрактных нейронных сетей // Известия Саратовского университета. Новая серия. Серия: Математика. Механика. Информатика. 2016. Т. 16, № 1. С. 96-103. DOI: 10.18500/1816-9791-2016-16-1-96-103 EDN: VUSOFV
10. Созыкин А. В. Обзор методов обучения глубоких нейронных сетей //Вестник Южно-Уральского государственного университета. Серия: Вычислительная математика и информатика. 2017. Т. 6, № 3. С. 28-59. DOI: 10.14529/cmse170303 EDN: ZGWDMB
Выпуск
Другие статьи выпуска
Дан краткий обзор основных направлений научной деятельности А. С. Апарцина в развитии теории неустойчивых задач вычислительной математики. Приведены теоретические и прикладные результаты исследований его коллег и учеников.
Задание базовых правил вывода имеет фундаментальное значение для логики. Наиболее общим вариантом возможных правил вывода являются допустимые правила вывода: в логике
Результаты исследования относятся к следующей задаче: найти естественные конечные фильтрующие элементы данной линейной группы над конечно порожденным коммутативным кольцом. Особый интерес вызывает кольца коэффициентов, которые являются частью одного элемента, например кольцо целых чисел или кольцо целых гауссовых чисел. Доказано, что проективная общая линейная группность n над кольцами целых гауссовых чисел тогда и только тогда по возникновению событий инволюциями, два из которых перестановочны, когда n больше 4 и 4 размер не делит n. Ранее М. А. Всемирнов, Р. И. Гвоздев, Д. В. Левчук и авторы данной статьи разработали аналогичную задачу для предварительной и проективной обработки линейных групп.
Актуальность исследования обусловлена сложностью оценки экологической и социальной ответственности компаний в условиях ограниченного времени и сведений о них, а также возможностью автоматического сбора информации из открытых источников. Использованы методы автоматического выделения топиков из текстовых данных, методы машинного обучения и многокритериального ранжирования, сопоставительный и экспертный анализ получаемых результатов. Для проведения экспериментов было собрано более 1200 отчетов ведущих российских компаний за период 2019-2022 гг., а также использовались новости, размещенные на сайте Forbes. ru. Разработана модель и методика ее применения для анализа текстовой информации о группе компаний для их ранжирования. Проведен качественный и количественный анализ, показывающий неслучайный и обоснованный характер получаемых результатов. Показана эффективность предложенной модели для выбора компаний путем ранжирования ограниченного их перечня на основе доступной текстовой информации.
Рассматриваются ациклические графы, аппроксимируемые конечными ациклическими графами. Доказано, что любой счетно категоричный ациклический граф гладко аппроксимируем. Приведен пример псевдоконечной ациклической теории графов, имеющей четное, нечетное и бесконечное число лучей.
Классическая лемма Донга в теории вертексных алгебр утверждает, что свойство локальности формальных распределений с коэффициентами из алгебры Ли сохраняется под действием вертексного оператора. Аналогичное утверждение известно для ассоциативных алгебр. Изучаются формальные распределения над прелиевыми (правосимметрическими) и преассоциативными (дендриформными) алгебрами, а также над алгебрами Новикова и показывается, что аналог леммы Донга верен для алгебр Новикова, но не выполняется для прелиевых и преассоциативных алгебр.
Исследуется нелинейное интегральное уравнение на полуоси со специальным субстохастическим ядром. Такие уравнения встречаются в кинетической теории газов при изучении нелинейного интегро-дифференциального уравнения Больцмана в рамках нелинейной модифицированной модели Бхатнагара - Гросса - Крука (БГК). При определенных ограничениях на нелинейность удается построить положительное непрерывное и ограниченное решение данного уравнения. Более того, доказывается единственность решения в классе ограниченных сверху на полуоси функций, имеющих положительный инфимум. Доказывается также, что соответствующие последовательные приближения равномерно со скоростью некоторой убывающей геометрической прогрессии сходятся к решению указанного уравнения. При одном дополнительном условии исследуется асимптотическое поведение решения на бесконечности. Приводятся конкретные примеры указанных уравнений, для которых автоматически выполняются все условия доказанных фактов.
Рассматривается нелинейное уравнение Шредингера отрицательного порядка с нагруженным членом в классе периодических функций. Показано, что такое уравнение может быть проинтегрировано методом обратной спектральной задачи. Определена эволюция спектральных данных оператора Дирака с периодическим потенциалом, связанного с решением нелинейного уравнения Шредингера отрицательного порядка с нагруженным членом. Полученные результаты позволяют применить метод обратной задачи для решения нелинейного уравнения Шредингера отрицательного порядка с нагруженным членом в классе периодических функций. Получены важные следствия об аналитичности и о периоде решения по пространственной переменной.
Исследуется теория линейных и нелинейных нечетких интегральных уравнений Вольтерра с кусочно-непрерывными ядрами. Проблема решается с использованием метода последовательных приближений. Рассмотрены вопросы существования и единственности решений для нечетких интегральных уравнений Вольтерра с кусочными ядрами. Численные результаты получены путем применения метода последовательных приближений как к линейным, так и нелинейным интегральным уравнениям Вольтерра с кусочно-непрерывными ядрами. Построены графики для анализа ошибок с целью иллюстрации точности метода. Кроме того, представлено сравнительное исследование, где используются графики приближенных решений для различных значений нечетких параметров. Чтобы подчеркнуть эффективность и значимость метода последовательных приближений, проводится сравнение с традиционной техникой гомотопического анализа. Результаты показывают, что метод последовательных приближений превосходит метод гомотопического анализа по точности и эффективности.
Предлагается матричная реализация метода коллокации для построения решения интегральных уравнений Вольтерра второго рода с применением систем ортогональных полиномов Чебышева первого рода и полиномов Лежандра. Подынтегральная функция в рассматриваемых уравнениях представляется в виде частичной суммы ряда по этим многочленам. В качестве точек коллокаций выбираются корни полиномов Чебышева и Лежандра. С использованием матричных и интегральных преобразований, свойств конечных сумм произведений этих полиномов и весовых функций в нулях соответствующих многочленов со степенью, равной числу узлов, интегральные уравнения приводятся к системам линейных алгебраических уравнений относительно неизвестных значений искомых функций в этих точках. В результате решения интегральных уравнений Вольтерра второго рода находятся путем полиномиальных интерполяций полученных значений функций в точках коллокаций с использованием обратных матриц, элементы которых записываются на основе ортогональных соотношений для этих полиномов. Элементы интегральных матриц также приводятся в явном виде. Получены оценки погрешностей построенных решений по бесконечной норме. Представлены результаты проведенных вычислительных экспериментов, которые демонстрируют эффективность использованного метода коллокации.
В банаховом пространстве исследуется линейная обратная задача для абстрактного дифференциального уравнения второго порядка. Неоднородное вложение в уравнении считается стационарным и неизвестным. В начальный момент времени заданы стандартные условия Коши. В последний момент времени добавлено новое условие - значение второй производной от основной эволюционной функции, т. е. е. порядок производной в конечной величине соответствует порядку уравнений. Для поставленной задачи получены критерии единственности решения, выраженные в спектральных терминах. Указано достаточное условие невозможности решения. Рассмотрен пример уравнения Пуассона в круглой области.
Издательство
- Издательство
- ИГУ
- Регион
- Россия, Иркутск
- Почтовый адрес
- 664003, Иркутская обл, г Иркутск, Кировский р-н, ул Карла Маркса, д 1
- Юр. адрес
- 664003, Иркутская обл, г Иркутск, Кировский р-н, ул Карла Маркса, д 1
- ФИО
- Шмидт Александр Федорович (РЕКТОР)
- E-mail адрес
- rector@isu.ru
- Контактный телефон
- +7 (904) 1502889
- Сайт
- https://api.isu.ru