Характеристика и виды искусственных нейронных сетей
Перцептрон - математическая модель обработки информации человеческим мозгом. Нейронная сеть - громадный распределенный параллельный процессор, состоящий из элементарных единиц обработки данных, накапливающих и анализирующих экспериментальные знания.
Подобные документы
Исследование 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 08.02.2013Анализ решения задачи дообучения классических дискретных нейронных сетей Хемминга и Хебба без потерь запомненной ранее информации. Основные процессы распознавания и классификации образов в системах, построенных на основе искусственных нейронных сетей.
статья, добавлен 01.03.2017Описание 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 04.04.2009Определение 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 29.05.2017Топологии 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 18.02.2019Эволюция 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 06.09.2017Определение понятия и характеристика архитектуры нейросети. Теория искусственного интеллекта Мак-Каллока и Питса. Изучение основ нейроматематики. Перцептрон и сеть Хопфилда. Самоорганизующаяся карта Коохонена. Пример кластеризации в выходном слое.
презентация, добавлен 14.12.2017Анализ моделей адаптивного поведения. Модель эволюционного возникновения коммуникаций в коллективе роботов. Бионическая модель поискового адаптивного поведения. Основные принципы построения модели адаптивного поведения системы на базе нейронных сетей.
дипломная работа, добавлен 07.08.2018Решение стегоанализа с применением искусственных нейронных сетей. Описание методики стеганографического анализа изображений, которая состоит в синтезе сигнатурного и статистического алгоритмов. Методика распознавания скрытой информации в изображениях.
статья, добавлен 16.05.2022Понятие, структура и основные компоненты нейронных сетей, применение множества простых процессоров для их построения. Варианты наиболее распространенных архитектур искусственных НС. Правило вычисления сигнала активности и их распространение в сети.
лекция, добавлен 28.08.2013Описание принципов работы технологии искусственных нейронных сетей. Алгоритмы построения обучения сетей, возможности снижения временных затрат, необходимых для такого обучения. Обобщенная схема нейрона. Схема разделения вектора весов по ИР-элементам.
статья, добавлен 12.07.2021Понятие и основные компоненты нейронных сетей, классификация образов. Обучение по алгоритму обратного распространения ошибок. Сети с радиальными базисными функциями. Кластеризация образов, самоорганизующаяся карта признаков. Дискретная сеть Хопфилда.
книга, добавлен 18.01.2011Повышение эффективности процесса построения экспертных систем путем разработки информационной технологии. Использование развивающейся системы представления знаний на базе модели искусственных нейронных сетей, системы распределенного сетевого ввода данных.
автореферат, добавлен 01.09.2018Понятие и классификация нейронных сетей; их структура и принцип работы. Особенности применения нейронных сетей в телекоммуникационных системах. Методы решения задач маршрутизации. Принципы прогнозирования потоков данных на основе нечетно-нейронных сетей.
дипломная работа, добавлен 26.05.2018Анализ 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 21.09.2017Эволюция вычислительных систем. Системы пакетной обработки. Появление глобальных и локальных сетей. Создание стандартных технологий локальных сетей. Понятие компьютерной сети. Линии связи и их типы. Сетевые технологии обработки данных, интернет.
дипломная работа, добавлен 28.10.2010Проектирование технологических процессов с учетом режима их реализации. Централизованный, децентрализованный, распределенный и интегрированный способы обработки информационных данных. Комплекс и классификация технических средств представления информации.
контрольная работа, добавлен 04.10.2009Характеристика 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 20.03.2009Описание искусственных нейронных сетей. Типы машинного обучения. Анализ существующих библиотек. Разработка алгоритма распознавания дорожных знаков с применением глубоких сверточных сетей и дополнительного классификатора J48. Результаты обучения алгоритма.
дипломная работа, добавлен 30.07.2016- 45. Добыча данных
Способы добычи информации из интегрированных систем. Недостатки программного комплекса статистической обработки данных. Характеристика нейронных сетей. Применение деревьев решений и генетических алгоритмов. Принципы эволюционного программирования.
реферат, добавлен 17.05.2016 - 46. Нейронные сети
История появления и развития нейронных сетей. Проведение их аналогии с мозгом человека. Сущность искусственной нейронной сети, ее программное или аппаратное воплощение. Особенности обучения нейронных сетей, их применение в современных развитых странах.
реферат, добавлен 05.04.2017 - 47. 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 Математическая модель для решения дилеммы идентичности с помощью привязки нейронных сетей к предыстории характера движения мобильного агента. Прогноз значения координат в случае изменения состояний полета квадрокоптера, появления оптических шумов.
статья, добавлен 29.06.2017Искусственный интеллект и нейронные сети. Особенности использования искусственных нейронных сетей в системах управления. Системы адаптивного управления, использующие эталонную модель Ляпунова. Архитектура построения нейросетевых систем управления.
отчет по практике, добавлен 09.02.2019Аппаратная 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 28.10.2019