Алгоритмы обучения искусственных нейронных сетей
Свойства 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.
Подобные документы
Общая структура топологии применения генетических алгоритмов для обучения нейронных сетей. Методы и алгоритмы предварительной подготовки данных, расчета структуры нейросети и модифицированных методов обучения, проверки работы на валидационной выборке.
статья, добавлен 12.05.2017Разработка искусственных нейронных сетей и машинное обучение как перспективные направления информационных технологий. Преимущества и недостатки, способность нейросетей решать задачи, которые невозможно решить классическими программными алгоритмами.
статья, добавлен 20.02.2019Понятие 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 19.11.2015Характеристика 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 20.03.2009Исследование 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 10.12.2019Основные теории искусственных нейронных сетей. Место нейронных сетей в эволюции интеллектуальных систем управления. Преимущества применения нейроинформационных технологий при решении многих как нетрадиционных, так и традиционных задач управления и связи.
книга, добавлен 09.09.2012- 32. 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 Обзор искусственных нейронных сетей, состоящих из множества взаимодействующих простых процессоров и представляющих собой устройства параллельных вычислений. Анализ структуры связей детали сетевой конструкции. Вычисления сигналов и значений нейронов.
лекция, добавлен 21.10.2013Основные направления, в которых на данный момент происходит активное развитие нейронных технологий и их практическое применение. Конкретные примеры использования нейронных сетей. Возможности и перспективы развития подобных систем на современном этапе.
статья, добавлен 28.03.2022Основные направления, в которых на данный момент происходит активное развитие нейронных технологий и их практическое применение. Конкретные примеры использования нейронных сетей; возможности и перспективы развития подобных систем на современном этапе.
статья, добавлен 10.04.2023- 36. Нейрокомпьютеры
Понятие и принцип работы нейронных сетей. Типы нейронов и их функциональные особенности: биологические и искусственные. Базовые архитектуры нейронных сетей, их структура и элементы. Этапы программирования средств аппаратной поддержки нейровычислений.
контрольная работа, добавлен 14.10.2013 Изучение нейросетевых технологий с помощью симулятора нейронных сетей. Обзор существующих симуляторов нейронных сетей и оценка пригодности их использования в учебном процессе. Авторская разработка учебного нейросимулятора для использования его в ВУЗе.
статья, добавлен 26.04.2019Основы 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 09.09.2012Описание модели динамического нейрона. Разработка новых методов обучения нейронных сетей, генерирующих спайки. Анализ аспектов функционирования нейрона, как детектора временных последовательностей сигналов. Исследование задач обучения нейрона с учителем.
статья, добавлен 18.01.2018Исследование особенностей применения эволюционных алгоритмов для настройки структуры и поиска весов связей искусственных нейронных сетей. Анализ вопросов эволюционного поиска топологии искусственной нейронной сети. Кодирование информации о весах связей.
статья, добавлен 08.02.2013Задача 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 08.02.2013Применение искусственных нейронных сетей. Выработка алгоритма синтеза контроллера, формирующего порог, который обеспечит заданные выходные реакции объекта управления (устройства), с использованием математического аппарата искусственных нейронных сетей.
статья, добавлен 02.04.2019Структурные 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 07.03.2014Эволюция поколений символообрабатывающих ЭВМ. Этапы развитие искусственных нейронных сетей. Сравнение машины фон Неймана с биологической нейронной системой. Нейроинформатика как способ решения различных задач с помощью искусственных нейронных сетей.
лекция, добавлен 06.09.2017- 45. 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 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 07.08.2018- 47. Прогнозирование котировок финансовых инструментов с помощью нейронных сетей и машинного обучения
Анализ существующих решений в прогнозировании котировок. Программные комплексы для автоматической торговли на основе нейронных сетей. Составление плана проектирования программного комплекса. Разработка резюме проектирования остальных обработчиков.
контрольная работа, добавлен 30.08.2016 Характеристика обучающих выборок, которые используются для обучения искусственных нейронных сетей. Сравнительный анализ значений медианы, полученных при проведении теста Краскела–Уоллиса для определения результатов обучения программных приложений.
статья, добавлен 28.11.2016Рассмотрение положений теории нейронных сетей, анализ разнообразия их архитектур. Методы и алгоритмы предварительной обработки данных. Моделирование структуры нейросети. Разработка алгоритмов обучения нейронной сети для уменьшения ошибки тестирования.
дипломная работа, добавлен 30.08.2016Знакомство со средствами, методами MATLAB. Характеристика типичной сети с прямой передачей сигнала. Моделирование нейронных сетей с помощью пакета Simulink. Применение нейронных сетей для аппроксимации функций. Работа с нейронной сетью в командном режиме.
методичка, добавлен 26.11.2015