Формализация модульного принципа обучения искусственных нейронных сетей (ИНС)
Число 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.
Подобные документы
- 101. Нейронные сети
Свойства нейронных сетей, области их применения и классификация. Структура и принципы работы нейронной сети и особенности ее обучения. Нейросетевые системы управления. Разработка нейросевого регулятора с наблюдающим устройством, управление объектом.
реферат, добавлен 08.10.2011 Методики компонентного проектирования нейронных сетей для обработки баз знаний, представленных семантическими сетями. Использование унифицированной модели нейронной сети и компонентном подходе к работе с нейронными сетями; библиотека НС-компонент.
статья, добавлен 06.03.2019Разработан и описан алгоритм процесса конвертирования поступающих в программный комплекс исполняемых файлов в черно-белые изображения, позволяющий сформировать собственный набор данных для обучения нейронной сети на основе полученных изображений.
статья, добавлен 16.05.2022Определение видов нейронных сигналов, методики обучения и тестирования в зависимости от типа используемой автономной навигационной системы. Рассмотрение случаев, когда счисление ведётся на основе данных от лага, гирокомпаса или инерциальной системы.
статья, добавлен 28.10.2018Разработка прогнозирующих систем: понятие прогноза и цели его использования, методы прогнозирования, модели временных последовательностей. Модели нейронных сетей: Маккалоха, Розенблата, Хопфилда. Нейронные сети и алгоритм обратного распространения.
курсовая работа, добавлен 30.11.2009Основные преимущества использования нейронных сетей при обучении автоматизированному переводу. Описание общей схемы и принципа работы нейронной сети, применение данной технологии в системе NMTS. Характеристика технологий автоматического перевода.
статья, добавлен 28.01.2019Описание задачи и практические приложения задачи распознавания образов. Проблема разделения классов (проблема "исключающего ИЛИ"). Определение отношения XOR как известный пример нелинейной проблемы. Обучение по алгоритму обратного распространения ошибки.
лекция, добавлен 09.10.2013Основные 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 10.04.2023Задача 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 08.02.2013Понятие искусственного интеллекта, его роль в распознавании образов и решении задач классификации, оптимизации и прогнозировании. Анализ областей применения нейронных сетей: банки и страховые компании, военная промышленность и аэронавтика, биомедицина.
контрольная работа, добавлен 21.03.2017История 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 16.12.2016- 113. Типы нейронных сетей
Топологии 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 18.02.2019 Назначение графических управляющих элементов NNTool, подготовка данных, создание нейронной сети, обучение и прогон. Разделение линейно-неотделимых множеств. Задача аппроксимации. Распознавание образов. Импорт-экспорт данных. Применение нейронных сетей.
статья, добавлен 23.01.2014Разработка методики для автоматической сегментации спутниковых снимков по нескольким классам (здания, реки, дороги) на базе сверточных нейронных сетей. Особенности подготовки изображения для тренировки нейронной сети. Оценка эффективности нейронных сетей.
статья, добавлен 11.01.2018- 116. Компьютерные сети
Раскрытие содержания понятия и определение назначения компьютерной сети. Изучение структуры и описание архитектурного принципа построения компьютерных сетей. Общая характеристика топологии локальных сетей. Изучение структуры и типов глобальных сетей.
курсовая работа, добавлен 12.09.2012 Изучение алгоритмов машинного обучения, направленных на выявление закономерностей в графических данных. Применение сверточных нейронных сетей при работе со спутниковыми изображениями. Создание интерактивной карты для визуализации распознанных объектов.
дипломная работа, добавлен 02.09.2018- 118. 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 Использование искусственных нейронных сетей для решения большого класса задач обработки информации. Процесс функционирования гибридной радиально-базисной нейронной сети. Обеспечение качества обработки информации в последовательном on-line режиме.
статья, добавлен 19.06.2018Рассмотрение задачи разработки интеллектуальной системы распознавания текста на фотографиях и видеокадрах сложных графических сцен. Применение морфологических операций для улучшения качества результата сегментации. Сегментация символов текстовых областей.
статья, добавлен 23.02.2016Изучение биологических аналогов изучаемых нейронных сетей. Разбор задачи воссоздания перцептрона. Принципы обучения нейронной сети. Моделирование программ, показывающих работу перцептрона. Синапс и алгоритм передачи информационного сигнала в сети.
реферат, добавлен 22.03.2019Обучение морфологического анализатора на основе искусственных нейронных сетей для разметки Санкт-Петербургского корпуса агиографических текстов. Опыт использования нейросетевой модели с языковым переносом для частеречной разметки древнерусских текстов.
статья, добавлен 03.03.2024- 123. Нейронные сети
История искусственных нейронных сетей. Модель формального нейрона Питтса и персептрон Розенблатта. Синапс как элементарная структура и функциональный узел между двумя нейронами. Примеры наиболее часто используемых преобразовательных функций Хопфилда.
презентация, добавлен 25.06.2013 Общее 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 26.06.2011Рассмотрение метода прогнозирования стоимости валют с использованием нейронных сетей, строящихся с использованием библиотеки Encog на языке программирования C#. Разработка программного продукта, описание его структуры. Обзор аналогичных приложений.
статья, добавлен 29.06.2018