Нейронные сети: алгоритм обратного распространения
Характеристика многослойной структуры нейронных сетей. Алгоритм обучения однослойного перцептрона. Построение полного алгоритма нейронных сетей с помощью процедуры обратного распространения. Программирование и применение методов Randomize и Propagate.
Подобные документы
Нейронные 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 06.12.2015Характеристика 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 15.08.2020Анализ 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 21.09.2017Разработка 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 30.11.2009Пример 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 16.10.2013Характеристика, 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 20.02.2009Аналитический 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 14.12.2019Понятие и основные компоненты нейронных сетей, классификация образов. Обучение по алгоритму обратного распространения ошибок. Сети с радиальными базисными функциями. Кластеризация образов, самоорганизующаяся карта признаков. Дискретная сеть Хопфилда.
книга, добавлен 18.01.2011Изучение способов поиска субоптимальных нейронных сетей. Архитектура системы поиска нейронной сети с помощью генетического алгоритма. Особенности работы операторов генетического алгоритма. Обучение нейронных сетей. Принципы стохастического моделирования.
статья, добавлен 29.04.2017Модели нейронных сетей относятся к интеллектуальным системам, они позволяют улучшить результаты благодаря самообучению. Рассмотрены исследования по моделированию прогнозов котировок ценных бумаг. Нейронные сети обратного распространения. Описание модели.
статья, добавлен 17.03.2021Изучение 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 22.03.2019- 12. 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 Функционирование нейронных сетей. Функции активации. Топология элементарного однонаправленного персептрона. Трехслойный персептрон. Процедура построения персептрона. Алгоритм обратного распространения ошибки. Топология элементарной ВР-нейронной сети.
презентация, добавлен 16.10.2013Биологический 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 25.01.2014Свойства биологического нейрона. Алгоритм обратного распространения ошибки. Обучение с учителем. Виды нейронных сетей и их свойства и преимущество. Разработка системы тестирования. Выбор программных средств для разработки. Структура базы данных и системы.
дипломная работа, добавлен 07.08.2018- 16. Разработка методов и алгоритмов оценки надежности сетей телекоммуникации на основе нейронных сетей
Рассмотрение существующих методов для оценки надежности. Оценка надежности сети на основе нейронных сетей. Архитектура нейронной сети Кохонена. Реализация алгоритма и программы оценки надежности телекоммуникационных сетей с помощью нейронных сетей.
диссертация, добавлен 24.05.2018 Обзор 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 04.12.2012Понятие 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 19.11.2015- 19. 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 - 20. Нейронные сети
История появления и развития нейронных сетей. Проведение их аналогии с мозгом человека. Сущность искусственной нейронной сети, ее программное или аппаратное воплощение. Особенности обучения нейронных сетей, их применение в современных развитых странах.
реферат, добавлен 05.04.2017 Разработка 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 21.02.2016Описание искусственных нейронных сетей. Типы машинного обучения. Анализ существующих библиотек. Разработка алгоритма распознавания дорожных знаков с применением глубоких сверточных сетей и дополнительного классификатора J48. Результаты обучения алгоритма.
дипломная работа, добавлен 30.07.2016Показано, 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 26.04.2019Архитектура 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 23.02.2015Рассмотрение 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 03.07.2017