Подготовка данных для построения нейросетевых моделей при малом количестве экспериментов
Методика статистического моделирования данных для обучения нейронных сетей с целью прогнозирования прочностных свойств волокнисто-пористых биокомпозитов. Количество данных, необходимое для обучения и тестирования сети. Эмпирическая линейная регрессия.
Подобные документы
Свойства биологического нейрона. Алгоритм обратного распространения ошибки. Обучение с учителем. Виды нейронных сетей и их свойства и преимущество. Разработка системы тестирования. Выбор программных средств для разработки. Структура базы данных и системы.
дипломная работа, добавлен 07.08.2018Выбор источника и наборов открытых данных. Выбор социальных сетей для извлечения данных. Разработка формата хранения данных. Реализация сервиса агрегации открытых данных и данных из социальных сетей. Визуализация собранных данных методом теплой карты.
дипломная работа, добавлен 25.06.2017Описание 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 04.04.2009Эталонная модель Всемирного форума по интернету вещей. Анализ центров обработки данных и облачных вычислений. Исследование подходов к разработке распределенных алгоритмов обучения. Методы машинного обучения. Изучение наивного байесовского классификатора.
дипломная работа, добавлен 07.12.2019Общее описание нейронных сетей, их виды: однослойные и многослойные сети, персептрон, сети Хопфилда. Описание программных моделей и алгоритмов их обучения. Релаксация стимула, возникновение ложного образа и выработка прототипа, бистабильность восприятия.
контрольная работа, добавлен 12.05.2015Перспективы развития аналитических и прогностических свойств ГИС. Интеграция нейросетевых и геоинформационных технологий, их программное обеспечение. Использование нейронных сетей в технике и биологии. Математические модели нейросетевых алгоритмов.
книга, добавлен 08.02.2013Теоретическое обоснование моделей анализа данных "OLAP-куб" и "Линейная регрессия". Разработка структуры хранилища данных Deductor Warehouse. Описание процесса ETL. Описание сценариев проекта Deductor. Описание выходных отчетов. Создание карты Кохонена.
курсовая работа, добавлен 12.06.2016- 33. 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 Нейронные 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 17.01.2011Рассмотрение проблемы классификации сообществ в социальной сети. Применение рекуррентных и сверточных нейронных сетей для классификации групп пользователей по степени радикальности. Методы предварительной обработки данных для построения классификаторов.
статья, добавлен 21.05.2021Понятие информации, данных и правила их смысловой интерпретации. Архитектура и основные компоненты банка данных: датологическое представление информационной модели ПО и система управления базой данных. Классификация моделей данных, их характеристика.
реферат, добавлен 11.07.2011Формальная теория представления и обработки данных в системе управления базами данных (СУБД). Признаки, положенные в основу классификации ЛВС. Анализ особенностей и этапов построения адреса ресурса в Сети Интернет. Сущность эвристического моделирования.
контрольная работа, добавлен 06.06.2011Задача целенаправленной предобработки обучающей выборки для ускорения обучения нейросети. Значение константы Липшица выборки, как индикатор сложности выборки. Показатели зависимости свойств обученных нейронных сетей от величины константы Липшица выборки.
статья, добавлен 08.02.2013Число итераций, необходимых для обучения искусственных нейронных сетей. Распознавание образов интеллектуальной системой. Повышение качества и гибкости обучения структуры сети. Эффективность модульного принципа в плане уменьшения количества итераций.
статья, добавлен 15.07.2020Понятие 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 19.11.2015Анализ 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 21.09.2017Понятие моделей данных. Схема иерархического дерева и пример сетевой структуры базы данных. Организация данных в виде двумерных таблиц в реляционной модели, их свойства. Проектирование реляционных баз данных и типы связей информационных объектов.
лекция, добавлен 13.08.2013- 43. 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 Методы применения инновационных интеллектуальных технологий в маркетинге на основе моделирования нейронных сетей с использованием самоорганизующихся карт Кохонена. Понятие нейросетевых технологий. Группировка информации. Визуализация многомерных данных.
статья, добавлен 08.02.2014Процесс обучения нейросети-классификатора, сравнения эффективности теоретических методов оптимизации со стохастическими. Подтверждение преимуществ и потенциальных возможностей. Основные свойства задач (баз данных) и размеры нейронных сетей для них.
статья, добавлен 08.02.2013Проектирование архитектуры программного комплекса на основе нейросетевых технологий для распознавания жестового языка инвалидов с нарушением слуха. Machine Learning: регрессионный методы интеллектуального анализа данных. Тестирование нейронной сети.
статья, добавлен 27.02.2019- 47. Подходы к разработке программ тестирования для дистанционного обучения в среде 1С: предприятие 8.2
Повышение успеваемости, увеличение качества обучения за счет применения новых стандартов тестирования учащихся. Создание реляционной базы данных, состоящей из таблиц, содержащих информацию о студентах, изучаемых предметах, результатах тестирования.
статья, добавлен 25.04.2019 Функциональный способ определения "данных пересечения" и взаимозаменяемость "слабых сущностей" и документов в моделях данных. Базовые классы структур и правила структуризации данных, содержащихся в документах. Особенности даталогического моделирования.
статья, добавлен 01.09.2018Социальные сети как важный элемент в анализе мошенничества. Групповые показатели центральности. Сети Байеса, сети Маркова и логистическая регрессия. Сбор данных из онлайновых и оффлайновых социальных сетей. Сравнение инструментов для анализа сетей.
статья, добавлен 22.03.2019Определение алгоритмов (оптимизационных методов) обучения искусственных нейронных сетей. Характеристика их видов: метод случайного поиска и стохастического градиентного спуска. Оценка программной реализации адаптивного метода обучения нейронной сети.
статья, добавлен 29.05.2017