NON-PARAMETRIC NEURAL NETWORK GENERATOR OF PSEUDO RANDOM VALUES
https://doi.org/10.34822/1999-7604-2021-4-48-53
Abstract
The aim of the study is to build a generator in a neural network basis and to create an algorithm for training a multilayer perceptron to solve the problem of pseudo-random values generation. Based on the results of the study on various distributions and sample sizes using computer modeling,
the high efficiency of the proposed architecture and training scheme for the algorithm is shown.
About the Authors
O. S. Cherepanov
Kurgan State University, Kurgan
Russian Federation
Russian Federation
E-mail: ocherepanov@inbox.ru
A. V. Maer
Kurgan State University, Kurgan
Russian Federation
Russian Federation
References
1. Эфрон Б. Нетрадиционные методы многомерного статистического анализа. М. : Финансы и статистика, 1998. 263 с.
2. Davison A. C., Hinkley D. V. Bootstrap Methods and Their Application. Cambridge University Press, 1997.
3. Bickel P., Freedman D. Some Asymptotic Theory for the Bootstrap // Ann Statist. 1981. Vol. 9, Is. 6. P. 1196–1217.
4. Tereshchenko E. P., Teskin O. I., Simakhin V. A. Bootstrap Models for Interval Estimation of Longevity Characteristics of Sequential Systems From Small // J Math Sci. 1996. Vol. 81, № 4. P. 2811‒2817.
5. Маер А. В., Симахин В. А. Непараметрические датчики случайных векторов // Оптика атмосферы и океана. Физика атмосферы : сб. материалов XVI Междунар. симпозиума. Иркутск, 12–15 октября 2009 г. Томск, 2009. С. 403–407
6. Devroye L. Non-uniform Random Variate Generation. N. Y. : Springer-Verlag, 1986. 843 p.
7. Батраков П. А., Маер А. В., Симахин В. А. Одномерный непараметрический датчик с учетом априорной информации // Омский науч. вестник. 2012. № 2. С. 42–47.
8. Васильев В. А., Добровидов А. В., Кошкин Г. М. Непараметрическое оценивание функционалов от распределений стационарных последовательностей. М. : Наука, 2004. 510 с.
9. Лемешко Б. Ю., Лемешко С. Б., Чимитова С. Н. Статистический анализ данных, моделирование и исследование вероятнстных закономерностей. Компьютерный подход. Новосибирск : Изд-во НГТУ, 2011. 888 с.
10. Гудфеллоу Я., Бенджио И., Курвилль А. Глубокое обучение. М. : ДМК Пресс, 2018. 652 с.
11. Джулли А. Библиотека Keras – инструмент глубокого обучения. Реализация нейронных сетей с помощью библиотек Theano и Tensorflow. М. : ДМК Пресс, 2018. 294 с.
12. Parzen E. On Estimation of Probability Density Function and Mode // Ann Math Statist. 1962. Vol. 33, Is. 3. P. 1065–1076.
Review
For citations:
Cherepanov O.S., Maer A.V. NON-PARAMETRIC NEURAL NETWORK GENERATOR OF PSEUDO RANDOM VALUES. Proceedings in Cybernetics. 2021;(4 (44)):48-53. (In Russ.) https://doi.org/10.34822/1999-7604-2021-4-48-53
Views:
181
Email this article 