Обучение искусственных нейронных сетей
Определение 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.
Подобные документы
Методы интеллектуального анализа данных, основанных на применении искусственных нейронных сетей, их ключевая особенность. Понятие репрезентативности исходных данных. Формирование обучающей выборки и оценка достоверности данных таблиц базы данных.
статья, добавлен 30.05.2017Рассмотрение средств и методов MatLab и пакета Simulink для моделирования и исследования нейронных сетей. Применение нейронных сетей для аппроксимации функций. Работа с нейронной сетью в командном режиме. Применение GUI-интерфейса пакета нейронных сетей.
методичка, добавлен 03.07.2017Биологический прототип и искусственный нейрон. Распознавание цифр с помощью сетей Хопфилда. Алгоритм функционирования сети. Классификация входного образа. Развитие искусственных нейронных сетей. Исследование возможностей нейронных сетей и их развития.
курсовая работа, добавлен 25.01.2014Искусственный 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 09.02.2019Основные 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 18.06.2024Характеристика понятия образа, проблемы обучения распознаванию образов. Описание истории исследований в области нейронных сетей. Изучение сигнального метода обучения Хебба. Описание структурных схем и алгоритмов нейронных сетей Хопфилда и Хэмминга.
реферат, добавлен 12.06.2015Форма представления выходной информации. Рассмотрение способов её контроля. Обучение искусственных нейронных сетей. Исследование их преимуществ и недостатков. Источники и способы получения данных. Изучение особенностей применения нейронных сетей.
курсовая работа, добавлен 16.05.2016Разработка и внедрение модели кредитного скоринга с использованием нейронных сетей. Модель будет прогнозировать платежеспособность клиентов банка. Описание реализации. Предобработка входных данных. Процедура обучения нейронной сети, тестирование.
дипломная работа, добавлен 30.06.2017Искусственные нейронные сети в пропорционально-интегрально-дифференциальных регуляторах. Нелинейное отображение множества входных сигналов в выходные. Структура регулятора с блоком автонастройки. Процесс "обучения" нейронной сети, его длительность.
статья, добавлен 17.07.2013Рассмотрение методов прогнозирования нейронных сетей. Решение задачи обзора методов оконного прогнозирования на объеме страховых взносов. Изучение методов одношагового, многошагового прогнозирования. Применение метода окон для генерации обучающей выборки.
статья, добавлен 24.03.2018- 36. Нейронные сети
Нейронные сети: особенности, варианты использования и преимущества. Диагностика и прогнозирование экономических объектов. Применение нейронных сетей в рыночной экономике. Варианты применения искусственных нейронных сетей в задачах бизнес-прогнозирования.
реферат, добавлен 15.03.2009 Применение искусственных нейронных сетей. Выработка алгоритма синтеза контроллера, формирующего порог, который обеспечит заданные выходные реакции объекта управления (устройства), с использованием математического аппарата искусственных нейронных сетей.
статья, добавлен 02.04.2019Знакомство 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 26.11.2015Исследование 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 10.12.2019Метод градиентного спуска. Решение задач оптимизации. Геометрическая интерпретация метода градиентного спуска с постоянным шагом. Критерии остановки процесса приближенного нахождения минимума. Выбор оптимального шага. Градиентный метод с дроблением шага.
реферат, добавлен 17.07.2013Анализ 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 01.03.2017Аналитический 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 14.12.2019Разработка 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 11.01.2018Теоретические основы нейронных сетей: применение, топология, обучения. Полезные свойства систем содержащих нейронные сети. Содержательная сущность поддержки принятия решений. Оценка возможностей нейронных сетей в системе поддержки принятия решений.
курсовая работа, добавлен 22.05.2018Применение искусственных нейронных сетей в задаче прогнозирования оставшегося времени безаварийной работы. Предварительная обработка телеметрических данных. Использование аппроксимации обобщенной функции Веибулла. Уменьшение влияния шумовых факторов.
статья, добавлен 29.06.2017Решение 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 16.05.2022Показано, 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 26.04.2019- 48. 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 Общая структура топологии применения генетических алгоритмов для обучения нейронных сетей. Методы и алгоритмы предварительной подготовки данных, расчета структуры нейросети и модифицированных методов обучения, проверки работы на валидационной выборке.
статья, добавлен 12.05.2017Основы и принципы построения, обучения, функционирования, области применения и характеристики наиболее распространенных специализированных искусственных нейронных сетей (нейронных парадигм), предназначенных для решения различных классов прикладных задач.
учебное пособие, добавлен 09.09.2012