Сравнительный анализ алгоритмов обучения искусственной нейронной сети
Исследование целевой функции в задачах обучения искусственных нейронных сетей. Сущность итерационного процесса корректировки весовых коэффициентов. Особенность зависимости ошибки учебы от количества эпох для гибридного метода и адаптивного алгоритма.
Подобные документы
- 26. 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 Разработка программного модуля диагностики поведения роторной системы на основе нелинейных авторегрессионных моделей нейронных сетей и алгоритма обучения Левенберга-Марквардта. Применение искусственной нейронной сети в анализе динамических процессов.
статья, добавлен 01.02.2019Изучение подходов к нормализации обучающего множества нейронной сети. Анализ существующих методов обучения нейронной сети Кохонена, их основные в преимущества и недостатки. Разработка нового конструктивного метода обучения на основе нейтронной сети.
статья, добавлен 26.04.2019Решение задач классификации бинарных входных векторов с использованием искусственной нейронной сети Хэмминга. Расчет матрицы весовых коэффициентов нейронов первого слоя. Сигналы нейронной сети Хэмминга, получаемые на протяжении полного цикла расчета.
статья, добавлен 12.06.2018Обзор алгоритмов машинного обучения. Исследование функционалов ошибки и метрики. Использование градиентного бустинга при обучении нейронных сетей. Главный анализ линейной регрессии и регуляризаторов. Характеристика алгоритма адаптации градиента.
дипломная работа, добавлен 28.08.2020Топологии нейронной сети: биологический нейрон, функции активации, закономерности обучения. Существующие архитектуры и их сравнительная характеристика. Многослойный перцептрон нейронной сети, особенности ее использования для динамических систем.
отчет по практике, добавлен 18.02.2019Построение и обучение нейронных сетей, которые смогут обучиться для успешного прохождения компьютерных игр. Эволюционный и генетический алгоритмы обучения нейронной сети. Сравнительный анализ самообучающихся алгоритмов на основе платформы OpenAI.
дипломная работа, добавлен 01.09.2017История 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 16.12.2016Анализ хаотических процессов при небольшом объеме входных данных. Модели искусственного нейрона с нелинейными синаптическими входами. Настройка свободных параметров сети в градиентном алгоритме обучения нейронной сети с нелинейными синаптическими входами.
автореферат, добавлен 29.03.2018Аппаратная 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 28.10.2019Искусственные 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 17.07.2013Возможности 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 27.05.2018Общее 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 12.05.2015Характеристика понятия образа, проблемы обучения распознаванию образов. Описание истории исследований в области нейронных сетей. Изучение сигнального метода обучения Хебба. Описание структурных схем и алгоритмов нейронных сетей Хопфилда и Хэмминга.
реферат, добавлен 12.06.2015Анализ 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 03.12.2013Характеристика 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 28.11.2016Алгоритмизация адаптивного искусственного интеллекта в мультиагентных играх. Моделирование конкурентной среды интеллектуальных агентов. Исследование эффективности алгоритмов в колониях DT, ABC и в нейронной сети, обучаемой генетическим алгоритмом.
дипломная работа, добавлен 01.09.2016- 43. Нейронные сети
Нейронные сети: особенности, варианты использования и преимущества. Диагностика и прогнозирование экономических объектов. Применение нейронных сетей в рыночной экономике. Варианты применения искусственных нейронных сетей в задачах бизнес-прогнозирования.
реферат, добавлен 15.03.2009 Задачи для определения оптимальной модели нейронной сети. Характеристика общей модели нейронной сети. Сравнение различных алгоритмов поиска оптимального пути. Эффективность пчелиного алгоритма в решении задачи исследования и патрулирования местности.
статья, добавлен 08.03.2019Нейронные 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 17.01.2011Разработка и внедрение модели кредитного скоринга с использованием нейронных сетей. Модель будет прогнозировать платежеспособность клиентов банка. Описание реализации. Предобработка входных данных. Процедура обучения нейронной сети, тестирование.
дипломная работа, добавлен 30.06.2017Использование 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 26.04.2017Структура искусственной нейронной сети и принципы ее работы. Нейросетевая классификация. Создание программы, которая используя технологии нейронных сетей, сможет распознавать рукописные буквы. Центрирование изображения. Пример работы с приложениями.
статья, добавлен 30.05.2013Эволюция 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 06.09.2017Описание существующих видов нейронных сетей. Выявление их достоинств и недостатков. Основные возможности программного продукта Matlab. Моделирование и обучение нейронной сети на основе созданных дескрипторов для каждого символа английского алфавита.
дипломная работа, добавлен 07.08.2018