Анализ эффективности генетических алгоритмов обучения нейронных сетей
Доказательство возможности аппроксимации непрерывных функций нейронными сетями в работах Колмогорова и Хехта Нильсена. Эффективность применения генетических алгоритмов к решению проблемы исследования таких сетей. Выбор операторов мутации и кроссовера.
Подобные документы
Знакомство 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 26.11.2015Характеристика 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 28.11.2016Развитие интегрированных, гибридных и синергетических систем в современной информатике. Особенности алгоритма поиска гармонии (HS), его преимущества по сравнению с известными алгоритмами оптимизации. Сравнение комбинированных генетических алгоритмов.
статья, добавлен 19.01.2018Использование генетических алгоритмов для решения задач многокритериальной оптимизации. Операторы кроссинговера высших степеней и многородительское скрещивание. Применение генетических алгоритмов к проектированию вибраторных антенн, их характеристики.
статья, добавлен 17.01.2018Определение понятия и история создания генетических алгоритмов в решении оптимизационных задач. Анализ их конкурентоспособности при решении NP-трудных задач в сравнении с динамическим и линейным программированием. Схема работы и пример алгоритма.
контрольная работа, добавлен 09.03.2014Анализ существующих подходов к решению задач структурного синтеза в проектировании и логистике. Разработка новых генетических методов структурного синтеза проектных решений. Параметры, управление которыми повышает эффективность генетических алгоритмов.
автореферат, добавлен 31.03.2018Исследование 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 08.02.2013Описание 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 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 26.05.2018- 35. Сравнение эффективности применения классических и интеллектуальных методов решения задач оптимизации
Реализация и применение методов покоординатного спуска, генетических алгоритмов и метода PSO. Выбор функции для оценки качества работы алгоритмов, реализующих методы оптимизации. Разработка программного обеспечения. Мерный вектор псевдослучайных чисел.
курсовая работа, добавлен 13.01.2016 Решение 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 16.05.2022Преимущества 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 29.03.2021- 38. Программа нечеткого вывода, построенная с использованием генетических алгоритмов и знаний экспертов
Представление реализации системы нечеткого вывода с использованием генетических алгоритмов и экспертных знаний. Использование мнений экспертов, выраженных в виде правил. Возможность по выделению первичных данных из файла путем применения алгоритма.
дипломная работа, добавлен 27.08.2016 Распределенные вычислительные сети как популярное направление развития информационных технологий. Разработка и анализ применения альтернативных подходов для решения NP-полной задачи распределения работ по исполнителям на основе генетических алгоритмов.
статья, добавлен 06.05.2018Общее 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 12.05.2015Основные определения и понятия теории графов. Оптимизация решения задач с применением эволюционно-генетического подхода. Повышение технологичности и простоты конструктивного оформления элементов принципиальных схем на основе генетических алгоритмов.
курсовая работа, добавлен 28.02.2018Попытки копирования естественных процессов, происходящих в мире живых организмов. Адаптивные методы поиска, используемые для решения задач функциональной оптимизации. Реализация генетических алгоритмов и их применение. Пути решения задач оптимизации.
курсовая работа, добавлен 18.06.2011Общее 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 26.06.2011Кластеризация, решение задач коммивояжера с помощью генетических алгоритмов. Разбиение участников рейда на группы методом древовидной кластеризации, выявление центра сбора участников с помощью генетических алгоритмов. Проверка качества кластеризации.
курсовая работа, добавлен 05.02.2014Классификация алгоритмов кластеризации. Создание самоорганизующихся нейронных сетей, являющихся слоем или картой Кохонена, в MATLAB NNT. Создание сети, правило настройки смещений, реализация циклов обучения. Моделирование кластеризации данных.
курсовая работа, добавлен 22.06.2011Понятие 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 19.11.2015Изучение особенностей вычисления времени смешивания для операторов кроссовера, работающих с бинарными строками. Моделирование эволюции популяции, изменяющейся под действием только оператора кроссовера. Оценка времени смешивания для точечного оператора.
статья, добавлен 17.01.2018Аналитический обзор нечетко-нейронных сетей, анализ методов обучения. Анализ программных комплексов для разработки систем прогнозирования. Разработка структурной схемы на базе нечетко-нейронных сетей, осуществление обучения разработанной системы.
дипломная работа, добавлен 14.12.2019Исследование 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 10.12.2019Рассмотрено применение технологии искусственных нейронных сетей для реализации систем интеллектуального автоматического управления. Проведен сравнительный анализ различных схем нейроуправления. Алгоритмы и методы обучения искусственных нейронных сетей.
статья, добавлен 02.04.2019