Нейронные сети
Фрагмент нейросети (входной и выходной слои). Простейшая линейная функция от двух входов. Трактовка работы сети для имитации прохождения по ней возбуждения, управления. Теорема о сходимости перцептрона. Метод обратного программного распространения ошибки.
Подобные документы
Алгоритм обучения нейронной сети с помощью процедуры обратного распространения. Диаграмма сигналов в сети. Программирование нейронной сети с применением объектно-ориентированного подхода. Иерархия классов библиотеки для сетей обратного распространения.
статья, добавлен 25.03.2013Разработка алгоритма и программирование вычислительного процесса двухслойной нейросети на языке С#. Исследование параметров обучения нейросети методом обратного распространения ошибки. Анализ количества шагов, скорости обучения и коэффициента сигмоида.
курсовая работа, добавлен 21.02.2016Нейронные сети как новая перспективная вычислительная технология для финансовой области. История и типы архитектур нейронных сетей. Обучение многослойной сети. Алгоритм обратного распространения ошибки. Способы обеспечения и ускорения сходимости.
контрольная работа, добавлен 06.12.2015Аналитический обзор существующих нейронных сетей: логистическая (сигмоидальная) функция, гиперболический тангенс, выпрямленная линейная функция. Анализ методов обучения: обратного распространения ошибки, упругого распространения, генетический алгоритм.
дипломная работа, добавлен 14.12.2019Характеристика 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 20.03.2009Многослойные нейронные сети и алгоритмы их обучения. Персептрон, системы типа Адалайн, алгоритм обратного распространения ошибки. Нечеткие множества и нечеткий вывод. Генетические алгоритмы и традиционные методы оптимизации. Модули нейронного управления.
книга, добавлен 18.01.2011Изучение работы перцептрона для решения задачи распознавания символов. Выбор и обоснование структуры нейронной сети. Возможность улучшения свойств обобщения путем наращивания ее структуры. Анализ работы перцептрона при распознавании двух, четырех букв.
статья, добавлен 14.07.2016Функционирование нейронных сетей. Функции активации. Топология элементарного однонаправленного персептрона. Трехслойный персептрон. Процедура построения персептрона. Алгоритм обратного распространения ошибки. Топология элементарной ВР-нейронной сети.
презентация, добавлен 16.10.2013Проблема преобразования данных без использования конкретной формулы. Нейронные сети - системы искусственного интеллекта. Способность системы самостоятельно обучаться и действовать на основании предыдущего опыта, с каждым разом делая всё меньше ошибок.
статья, добавлен 15.02.2019- 10. Нейронные сети
Характеристика, структура и задачи нейронных сетей. Направления и разработки нейрокомпьютинга. Искусственные нейронные сети, их черты и задачи. Алгоритм обучения перцептрона и его недостатки. Перечень возможных промышленных применений нейронных сетей.
реферат, добавлен 20.02.2009 Изучение биологических аналогов изучаемых нейронных сетей. Разбор задачи воссоздания перцептрона. Принципы обучения нейронной сети. Моделирование программ, показывающих работу перцептрона. Синапс и алгоритм передачи информационного сигнала в сети.
реферат, добавлен 22.03.2019Задача определения оптимальной структуры нейросети. Зависимости величин ошибок обучения и обобщения (процент неправильно решенных примеров в соответствующей выборке) и индикаторов внутренних свойств нейросетей от числа нейронов в скрытом слое сети.
статья, добавлен 08.02.2013- 13. Нейронные сети
Сеть встречного распространения. Первый слой Кохонена. Выход слоя Гроссберга. Обучение сети встречного распространения. Осуществление интерполяции кодов. Послойность сети и матричное умножение. Градиент квадратичной формы, начальная точка и длина шага.
презентация, добавлен 16.10.2013 Область применения и принципы проектирования нечетких систем управления, их внутренняя структура и компоненты. Нечеткие нейронные сети и системы управления на их основе, принцип работы и сферы применения. Адаптивные системы управления с нечеткой логикой.
контрольная работа, добавлен 10.06.2016Обзор принципов организации и функционирования биологических нейронных сетей. Расширенная модель искусственного нейрона. Обучение нейронной сети. Алгоритм обратного распространения ошибки. Определение входного сигнала нейрона. Карты признаков Кохонена.
курсовая работа, добавлен 04.12.2012- 16. Нейронные сети
История развития нейронных сетей. Строение биологической нейронной сети. Искусственный нейрон. Общие положения и виды обучения нейронных сетей. Архитектура. Сети прямого распространения сигнала. Рекуррентные сети. Области практического применения.
контрольная работа, добавлен 18.02.2018 - 17. Нейронные сети
Нейронные сети - одно из приоритетных направлений исследований в области искусственного интеллекта. Модель нейрона и его элементы. Классификация и свойства нейронных сетей, концептуальные подходы к их обучению. Представление знаний в нейронной сети.
реферат, добавлен 29.12.2011 История создания искусственной нейронной сети. Перцептрон как одна из первых моделей нейросети. Архитектура когнитрона, его иерархическая многослойная организация. Классификация нейронных сетей по характеру обучения, основные сферы их применения.
курсовая работа, добавлен 16.12.2016Искусственные нейронные сети. Весовые коэффициенты синапсов. Организация ассоциативной памяти. Полносвязная нейронная сеть с симметричной матрицей связей. Схема сети Хопфилда. Классификация по критерию максимального правдоподобия с помощью сети Хэмминга.
реферат, добавлен 10.03.2011Нейронные сети с преднастройкой функциональных преобразований. Принципы нейросетевых методов обработки хаотических процессов. Адаптивные нейросетевые методы в многошаговых играх с неполной информацией. Нечеткие нейронные сети в когнитивном моделировании.
курс лекций, добавлен 08.02.2013Локальность при обработке информации, как важный принцип, по которому строятся биологические нейронные сети. Метод обучения Хэбба. Сеть с линейным поощрением. Дискретный градационный сигнал с двумя возможными значениями. Задача и алгоритмы классификации.
презентация, добавлен 16.10.2013Особенности применения инновационных инструментов прогнозирования. В качестве основного метода, используемого для прогнозирования, применяются искусственные нейронные сети Хопфилда, представляющие собой нейронные сети на основе радиально-базисных функций.
статья, добавлен 15.12.2021Показано, что главное отличие нейронных сетей от ЭВМ в том, что они не программируются, а обучаются. Схема нейронной сети с прямой передачей сигнала. Рекуррентные нейронные сети как наиболее сложный вид нейронных сетей, в которых имеется обратная связь.
статья, добавлен 26.04.2019Сеть Хопфилда: понятие, слои, граница емкости памяти, структурная схема. Пороговая передаточная функция. Обучение сети Хемминга, алгоритм функционирования. Весовые коэффициенты тормозящих синапсов. Определение состояния нейронов второго слоя сети.
статья, добавлен 17.07.2013- 25. Применение многослойных радиально-базисных нейронных сетей для верификации реляционных баз данных
Разработка способов обеспечения достоверности информации баз данных. Описание метода определения достоверности вводимого кортежа. Параметры и характеристика нейронной сети Кохонена. Обучение радиально-базисной сети путём обратного распространения ошибки.
статья, добавлен 29.05.2017