Характеристика основных методик построения и расчета нейронных сетей
Трудности алгоритма обучения персептрона. Методика вычисления выходов слоя Кохонена до применения активационной функции. Нейрочип – программируемое устройство, которое имеет операционные узлы для выполнения операций, свойственных нейронным сетям.
Подобные документы
Анализ принципов обучения нейронных сетей, их классификация. Описание алгоритмов обучения искусственных нейронных сетей: правило Хебба и Кохонена, дельта-правило, обратного распространения ошибки, стохастические алгоритмы, машины Больцмана и Коши.
лекция, добавлен 21.09.2017Разработка модели обнаружения злоумышленника в информационной системе. Анализ результатов обучения и реализации нейронных сетей на основе персептрона и линейных нейронных сетей в пакете Matlab. Выявление аномального поведения пользователя в системе.
статья, добавлен 30.04.2018Свойства и структура нейронных сетей, их применение в сфере компьютерных технологий. Поиск путей увеличения скорости протекания процесса обучения. Анализ зависимость ошибки обучения от сложности структуры персептрона и количества нейронов в скрытом слое.
статья, добавлен 03.02.2021- 4. Разработка методов и алгоритмов оценки надежности сетей телекоммуникации на основе нейронных сетей
Рассмотрение существующих методов для оценки надежности. Оценка надежности сети на основе нейронных сетей. Архитектура нейронной сети Кохонена. Реализация алгоритма и программы оценки надежности телекоммуникационных сетей с помощью нейронных сетей.
диссертация, добавлен 24.05.2018 Изучение способов поиска субоптимальных нейронных сетей. Архитектура системы поиска нейронной сети с помощью генетического алгоритма. Особенности работы операторов генетического алгоритма. Обучение нейронных сетей. Принципы стохастического моделирования.
статья, добавлен 29.04.2017Описание искусственных нейронных сетей. Типы машинного обучения. Анализ существующих библиотек. Разработка алгоритма распознавания дорожных знаков с применением глубоких сверточных сетей и дополнительного классификатора J48. Результаты обучения алгоритма.
дипломная работа, добавлен 30.07.2016Функционирование нейронных сетей. Функции активации. Топология элементарного однонаправленного персептрона. Трехслойный персептрон. Процедура построения персептрона. Алгоритм обратного распространения ошибки. Топология элементарной ВР-нейронной сети.
презентация, добавлен 16.10.2013История возникновения, виды, свойства и обучение искусственных нейронных сетей. Технология самообучения и задачи, решаемые при помощи нейронной сети Кохонена. Ограничения, накладываемые на компьютерную имитационную модель, ее схемы в среде MatLab.
дипломная работа, добавлен 12.01.2012Понятие искусственных нейронных сетей. Модель и архитектура технического нейрона. Обучение нейронных сетей. Основные функциональные возможности программ моделирования нейронных сетей. Однослойный и многослойный персептроны. Принцип работы сети Кохонена.
дипломная работа, добавлен 19.11.2015Исследование применения классификации и анализа объектов на основе нейронных сетей в задачах распознавания объектов в видеопотоке. Разработка и реализация алгоритма обучения нейронных сетей для реализации механизмов классификации объектов в видеопотоке.
дипломная работа, добавлен 10.12.2019Описание принципов работы технологии искусственных нейронных сетей. Алгоритмы построения обучения сетей, возможности снижения временных затрат, необходимых для такого обучения. Обобщенная схема нейрона. Схема разделения вектора весов по ИР-элементам.
статья, добавлен 12.07.2021Анализ сущности нейронных сетей, их особенности способности к обучению (настройки архитектуры и синаптических связей). Перспективы развития применения и использования искусственных нейронных сетей. Основные достоинства нейронных сетей перед традиционными.
статья, добавлен 29.07.2018Структурные алгоритмы построения статических и динамических нейронных сетей. Многослойный персептрон с временными задержками и связанные с ним нейросетевые архитектуры. Динамическая кластеризация и сети Кохонена. Обзор итерационных методов обучения сетей.
книга, добавлен 07.03.2014Архитектура искусственных нейронных сетей, особенности их обучения с учителем и без него. Правило коррекции по ошибке. Обучение методом соревнования. Основные принципы генетического алгоритма. Анализ применения нейронных сетей для синтеза регуляторов.
дипломная работа, добавлен 23.02.2015Компьютер как программируемое электронное устройство, способное обрабатывать данные и производить вычисления. Главный устройства (процессор, память, устройство вывода и ввода), структура и принципы построения компьютера. Основные единицы объема памяти.
презентация, добавлен 06.03.2012Понятие и классификация нейронных сетей; их структура и принцип работы. Особенности применения нейронных сетей в телекоммуникационных системах. Методы решения задач маршрутизации. Принципы прогнозирования потоков данных на основе нечетно-нейронных сетей.
дипломная работа, добавлен 26.05.2018Анализ применения нейронных сетей для моделирования социальных или биологических систем с помощью программного пакета моделирования. Диагностический анализ изучения алгоритмов обучения нейронных сетей. Формулы для обучения методом наискорейшего спуска.
презентация, добавлен 03.12.2013Аппаратная и программная реализация нейронных сетей. Создание улучшенного подхода валидации точности алгоритмов глубокого обучения для применения на ИИ-ускорителях. Разработка гибкого и расширяемого инструмента для инференса искусственных нейронных сетей.
дипломная работа, добавлен 28.10.2019Нейроны слоя Кохонена и генерация сигналов. Обучение слоя Кохонена. Присвоение начальных значений и метод выпуклой комбинации. Чувство справедливости. Коррекция весов пропорционально выходу. Аккредитация и интерполяция - режимы работы сети Кохонена.
презентация, добавлен 16.10.2013Описание базовых задач для нейронных сетей и исторически первых методов настройки сетей для их решения: классификация (персептрон Розенблатта); ассоциативная память (сети Хопфилда); восстановление пробелов в данных; кластер-анализ (сети Кохонена).
курсовая работа, добавлен 04.04.2009Основные виды и типы нейронных сетей. Области применения нейронных сетей. Характеристика искусственной нейронной сети Gamma AI. Анализ описания алгоритма работы в нейросети гамма. Определение нейронной сети для создания озвучки из текста Narakeet.
контрольная работа, добавлен 18.06.2024Возможности современных информационных технологий и Интернета. Разработка клиент-серверной архитектуры построения больших искусственных нейронных сетей. Идентификация, аутентификация пользователей и защита информации в системе дистанционного обучения.
статья, добавлен 27.05.2018Характеристика многослойной структуры нейронных сетей. Алгоритм обучения однослойного перцептрона. Построение полного алгоритма нейронных сетей с помощью процедуры обратного распространения. Программирование и применение методов Randomize и Propagate.
реферат, добавлен 20.03.2009Нейронные сети и вычислительные системы на их основе. Алгоритмы генетического поиска для построения топологии и обучения нейронных сетей. Линейные преобразования векторов. Биологический нейрон и его строение. Признаковое и конфигурационное пространство.
курс лекций, добавлен 17.01.2011Основы и принципы построения, обучения, функционирования, области применения и характеристики наиболее распространенных специализированных искусственных нейронных сетей (нейронных парадигм), предназначенных для решения различных классов прикладных задач.
учебное пособие, добавлен 09.09.2012