Синтез алгоритмов обучения нейронных сетей с нелинейными синаптическими входами для задач анализа и обработки информации
Анализ 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.
Подобные документы
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 08.03.2019Понятие 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 19.11.2015Основные виды и типы нейронных сетей. Области применения нейронных сетей. Характеристика искусственной нейронной сети Gamma AI. Анализ описания алгоритма работы в нейросети гамма. Определение нейронной сети для создания озвучки из текста Narakeet.
контрольная работа, добавлен 18.06.2024Рассматриваются 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 29.04.2018Анализ разработок и особенностей интерактивной автоматизированной системы обучения. Области ее использования. Описание автономных функциональных модулей ИАСО, соединенных между собой коммуникационными связями и своими информационными входами и выходами.
статья, добавлен 25.07.2018Разработка программы распознавания действий человека. Работа с видеопотоком и классификатором. Выделение особенностей и структуры сверточной нейронной сети. Функции активации искусственного нейрона. Выделение контура из изображения и определение движения.
дипломная работа, добавлен 05.11.2015Характеристика 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 28.10.2020Показано, 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 26.04.2019Процесс обучения нейросети-классификатора, сравнения эффективности теоретических методов оптимизации со стохастическими. Подтверждение преимуществ и потенциальных возможностей. Основные свойства задач (баз данных) и размеры нейронных сетей для них.
статья, добавлен 08.02.2013Рассмотрение нейросетевых модификаций решения задач анализа изображений. Ознакомление со способами обучения нейронной сети для определения параметров прямой. Формирование виртуальной модели стенда. Характеристика процесса модификации детектора прямой.
статья, добавлен 19.01.2018Рассмотрение принципов работы нейронной сети. Разработка алгоритма машинного обучения. История возникновения нейронных сетей. Последовательность интеллектуальной обработки информации в интернете. Примеры применения нейросетей в различных сферах.
статья, добавлен 01.03.2019Методики 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 06.03.2019Архитектура искусственных нейронных сетей, особенности их обучения с учителем и без него. Правило коррекции по ошибке. Обучение методом соревнования. Основные принципы генетического алгоритма. Анализ применения нейронных сетей для синтеза регуляторов.
дипломная работа, добавлен 23.02.2015Общее 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 12.05.2015Исследование 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 08.02.2013- 41. 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 Решение 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 12.06.2018Описание 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 07.08.2018Анализ 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 21.09.2017Описание 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 12.07.2021Классификация 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 22.06.2011Использование 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 19.06.2018Применение модуля программы, спроектированного на основе сверточной нейронной сети. Исследование способности нейронной сети к обучению на небольшом наборе данных в задаче классификации оружия на изображениях. Анализ результатов тестирования программы.
статья, добавлен 17.02.2019Построение 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 01.09.2017Разработка 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