Нейронные сети: алгоритм обратного распространения
Алгоритм обучения нейронной сети с помощью процедуры обратного распространения. Диаграмма сигналов в сети. Программирование нейронной сети с применением объектно-ориентированного подхода. Иерархия классов библиотеки для сетей обратного распространения.
Подобные документы
Пример работы алгоритма обратного распространения ошибки. Функция активации сигмоидного типа. Геометрическая интерпретация алгоритма обратного распространения. Анализ условий и предпосылок для успешного обобщения. Механизм контрольной кросс-проверки.
презентация, добавлен 16.10.2013Решение задачи обучения нейронной сети с помощью алгоритма обратного распространения на основе объема страховых сборов на данный отчетный период. Расчет количества нейронов в скрытом слое и количества скрытых слоев. Исследование структуры нейронной сети.
статья, добавлен 29.09.2012Характеристика алгоритма. Сетевые конфигурации. Многослойная сеть, которая может обучаться с помощью процедуры обратного распространения. Этапы выполнения алгоритма. Программа создания однонаправленной сети. Статистика использования других алгоритмов.
статья, добавлен 15.08.2020Разработка алгоритма и программирование вычислительного процесса двухслойной нейросети на языке С#. Исследование параметров обучения нейросети методом обратного распространения ошибки. Анализ количества шагов, скорости обучения и коэффициента сигмоида.
курсовая работа, добавлен 21.02.2016Функционирование нейронных сетей. Функции активации. Топология элементарного однонаправленного персептрона. Трехслойный персептрон. Процедура построения персептрона. Алгоритм обратного распространения ошибки. Топология элементарной ВР-нейронной сети.
презентация, добавлен 16.10.2013Аналитический обзор существующих нейронных сетей: логистическая (сигмоидальная) функция, гиперболический тангенс, выпрямленная линейная функция. Анализ методов обучения: обратного распространения ошибки, упругого распространения, генетический алгоритм.
дипломная работа, добавлен 14.12.2019Обзор принципов организации и функционирования биологических нейронных сетей. Расширенная модель искусственного нейрона. Обучение нейронной сети. Алгоритм обратного распространения ошибки. Определение входного сигнала нейрона. Карты признаков Кохонена.
курсовая работа, добавлен 04.12.2012Нейронные сети как новая перспективная вычислительная технология для финансовой области. История и типы архитектур нейронных сетей. Обучение многослойной сети. Алгоритм обратного распространения ошибки. Способы обеспечения и ускорения сходимости.
контрольная работа, добавлен 06.12.2015- 9. Генератор псевдослучайных последовательностей на основе модифицированной рекуррентной нейронной сети
Архитектура и функционирование модифицированной рекуррентной нейронной сети. Метод генерации псевдослучайных последовательностей. Методика обучения модифицированной рекуррентной нейронной сети на основе алгоритма обратного распространения ошибок.
статья, добавлен 19.06.2018 - 10. 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 Многослойные нейронные сети и алгоритмы их обучения. Персептрон, системы типа Адалайн, алгоритм обратного распространения ошибки. Нечеткие множества и нечеткий вывод. Генетические алгоритмы и традиционные методы оптимизации. Модули нейронного управления.
книга, добавлен 18.01.2011Проблема преобразования данных без использования конкретной формулы. Нейронные сети - системы искусственного интеллекта. Способность системы самостоятельно обучаться и действовать на основании предыдущего опыта, с каждым разом делая всё меньше ошибок.
статья, добавлен 15.02.2019- 13. Применение многослойных радиально-базисных нейронных сетей для верификации реляционных баз данных
Разработка способов обеспечения достоверности информации баз данных. Описание метода определения достоверности вводимого кортежа. Параметры и характеристика нейронной сети Кохонена. Обучение радиально-базисной сети путём обратного распространения ошибки.
статья, добавлен 29.05.2017 Разработка 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 30.11.2009- 15. Нейронные сети
Фрагмент нейросети (входной и выходной слои). Простейшая линейная функция от двух входов. Трактовка работы сети для имитации прохождения по ней возбуждения, управления. Теорема о сходимости перцептрона. Метод обратного программного распространения ошибки.
презентация, добавлен 16.11.2014 Расчет положения препятствий относительно транспортного средства и желаемой реакции искусственного интеллекта. Аппроксимация функций с областями значений, которые могут иметь несколько измерений - особенность нейронной сети обратного распространения.
статья, добавлен 02.06.2021Изучение 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 26.04.2019Параметризация свёрточной нейронной сети для осуществления семантического анализа текста и определения его эмоциональной окраски. Архитектура сети, её обучение и тестирование с использованием объектно-ориентированного языка Python и библиотеки Keras.
статья, добавлен 19.02.2019Рассматриваются алгоритмы обучения нейронной сети: градиентный спуск с постоянным шагом и метод сопряженных градиентов (алгоритм Флетчера-Ривса). Расчет значения минимизируемой целевой функции ошибки полученной на тестовой выборке после обучения.
статья, добавлен 29.04.2018- 20. Нейронные сети
Нейронные сети - одно из приоритетных направлений исследований в области искусственного интеллекта. Модель нейрона и его элементы. Классификация и свойства нейронных сетей, концептуальные подходы к их обучению. Представление знаний в нейронной сети.
реферат, добавлен 29.12.2011 Показано, что главное отличие нейронных сетей от ЭВМ в том, что они не программируются, а обучаются. Схема нейронной сети с прямой передачей сигнала. Рекуррентные нейронные сети как наиболее сложный вид нейронных сетей, в которых имеется обратная связь.
статья, добавлен 26.04.2019Характеристика процесса построения простейшей нейронной сети в пакете neuralnet. Анализ алгоритма подготовки данных на примере набора данных iris. Описание процесса обучения нейронной сети. Оценка качества классификации данных полученной нейронной сетью.
статья, добавлен 28.10.2020Составление базы данных почасового электропотребления. Адаптация входных данных для обучения искусственной нейронной сети. Выбор алгоритма обучения нейронной сети. Выбор архитектуры нейронной сети. Трудности для прогнозирования электропотребления.
статья, добавлен 27.07.2017Рассмотрение положений теории нейронных сетей, анализ разнообразия их архитектур. Методы и алгоритмы предварительной обработки данных. Моделирование структуры нейросети. Разработка алгоритмов обучения нейронной сети для уменьшения ошибки тестирования.
дипломная работа, добавлен 30.08.2016- 25. Обращение операторов в нелинейной теории оболочек с помощью нейронной сети и генетического алгоритма
Применение нейронной сети для идентификации функции нагрузки тонкостенной оболочки по результатам наблюдений. Обоснование возможности аппроксимации зависимости между результатами наблюдений и неизвестными функциями обратных задач с помощью нейронной сети.
статья, добавлен 27.09.2016