Прогнозирование с помощью нейронных сетей
Нейронные сети - мощный и гибкий механизм прогнозирования. Особенности разработки прогнозирующих систем, основанных на анализе исторических данных. Методы работы алгоритмов в условиях неопределенности. Оценка точности предсказания и быстродействия.
Подобные документы
Использование искусственных нейронных сетей, их способность к процессу настройки архитектуры сети и весов синаптических связей для эффективного решения поставленной задачи. Применение нейронных сетей в области телекоммуникаций, экономики и финансов.
статья, добавлен 26.04.2017Исследование содержания и принципы разрешения задачи разработки интеллектуальной системы распознавания текста на фотографиях и видеокадрах сложных графических сцен. Методика и этапы обнаружения и локализации текстовых областей с помощью нейронных сетей.
статья, добавлен 23.02.2016Общее описание нейронных сетей, однослойные и многослойные сети. Описание программных моделей и алгоритмов их обучения. Проблема функции "исключающее или". Исследование представляемости однослойной и двухслойной нейронной сети, релаксация стимула.
курсовая работа, добавлен 26.06.2011Характеристика мультиагентных систем на примере конкретной робототехнической системы. Анализ основных логических вычислений рассмотренной мультиагентной системы, которые выполняются при помощи нейронных сетей. Изучение задачи исследования местности.
статья, добавлен 29.07.2018Преимущества применения нейронных сетей для распознавания объектов. Разработка алгоритма обработки образа с помощью нечеткой логики в системе технического зрения. Бинаризация и кодирование изображения при его преобразовании из цветного в оттенки серого.
курсовая работа, добавлен 29.03.2021Особенности применения нейронной сети с использованием библиотеки OpenCV для распознавания эмоций. Обучение нейронной сети, распознавание лиц из базы данных Yale Facesс помощью обучающего набора данных в рамках авторского проекта "Сурдотелефон".
статья, добавлен 25.02.2019Нейронная сеть – система связанных и взаимодействующих друг с другом искусственных нейронов. В статье проведен анализ алгоритмов обучения нейронных сетей. Приведены последовательность действий при обучении этими алгоритмами, их достоинства и недостатки.
статья, добавлен 23.01.2021Анализ 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 29.07.2018Исследование 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 08.02.2013Общее 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 12.05.2015Принципы прогнозирования поведения системы после достижения точки бифуркации с помощью эвристических методов и методов, основанных на обработке экспертных суждений. Разработка программных систем, защищенных свидетельствами о государственной регистрации.
статья, добавлен 25.01.2019Понятие и сущность искусственных нейронных сетей. Обучающий алгоритм Видрова-Хоффа. Образование основного стандарта нейроинформатики. Применение кодирования, декодирования и фильтрации. Активация эквивалента однослойной линейной сети, их мощность.
учебное пособие, добавлен 18.01.2014История 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 16.12.2016Разработка новых методов решения проблемы предсказывания (определения) цен акций на фондовом рынке с помощью технологии датамайнинга и машинного обучения, а именно нейронных сетей как инструмента имитации агента, торгующего на фондовом или другом рынке.
дипломная работа, добавлен 26.08.2016Применение механизмов внимания к задаче обнаружения текста с использованием нейронных сетей, их влияние на результат работы сети. Механизм внимания, позволяющий сканировать значения признаков, фокусируя модель на действительно важных свойствах объекта.
дипломная работа, добавлен 01.12.2019Нейросетевые технологии, история возникновения нейронных сетей. Основные виды и применение искусственных нейронных сетей. Самоорганизующаяся карта Кохонена, задачи, решаемые с ее помощью. Создание компьютерной имитационной модели нейронной сети Кохонена.
дипломная работа, добавлен 12.01.2012Искусственные нейронные сети в пропорционально-интегрально-дифференциальных регуляторах. Нелинейное отображение множества входных сигналов в выходные. Структура регулятора с блоком автонастройки. Процесс "обучения" нейронной сети, его длительность.
статья, добавлен 17.07.2013- 93. Разработка моделей для прогнозирования и анализа данных с применением пакета программ STATISTICA
Анализ методов и технологий Data Mining. Применение искусственных нейронных сетей. Освоение среды Data Miner и разработка моделей анализа данных с применением программ STATISTICA. Анализ результатов применения моделей прогнозирования и анализа данных.
дипломная работа, добавлен 14.12.2019 Представление знаний для решения интеллектуальных проблем. Принцип выбора потенциального дерева решения. Искусственные нейронные сети. Принцип работы искусственного нейрона, его формальная модель. Применение нейронных сетей, классификация нейронов.
учебное пособие, добавлен 26.08.2015- 95. Нейронные сети
Рассмотрение нейрокомпьютера как вычислительной системы с архитектурой MSIMD. Базовые архитектуры нейронных сетей. Правило коррекции по ошибке, обучение Больцмана и правило Хебба. Особенности программирования средств аппаратной поддержки нейровычислений.
реферат, добавлен 02.03.2012 Интерпретация выходных сигналов искусственных нейронных сетей при применении нелинейной нормализации, вычисляемой с помощью часто применяемых на практике эвристик. Исследование принципов организации и функционирования биологических нейронных сетей.
статья, добавлен 31.08.2018Задачи, которые решают нейронные сети. Кластеризация и визуализация данных. Прогнозирование временных рядов и оценивание рисков. Иллюстрации применения технологий информационного моделирования. Нейросетевые обучающиеся машины. Аппроксимация данных.
лекция, добавлен 08.02.2013Общая 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 12.05.2017Сущность и структура простой рефлекторной нейронной сети, ее главные консонанты и функциональные особенности. Биологическая изменчивость и закономерности обучения. Классификация и формы данных сетей, типы используемой информации, применяемые модели.
контрольная работа, добавлен 27.11.2014Сверточная нейронная сеть как тип искусственной нейронной сети с прямой связью. Знакомство с историей и концепцией развития сверточных нейронных сетей. Характеристика результатов программного эксперимента в виде графиков и сгенерированных изображений.
статья, добавлен 30.06.2020