Модели нейронов с памятью состояния для организации нейроэволюционных вычислений
Анализ модели нейрона, обладающей возможностью запоминания значения специально вводимого параметра состояния нейрона. Механизм реализации двухуровневой схемы эволюционирования нейронных сетей. Описание предлагаемых алгоритмов их функционирования.
Подобные документы
Краткая история развития искусственных нейронных сетей. Анализ факторов, влияющих на формирование цены на недвижимость. Математическая модель нейрона. Сравнение многослойного персептрона и радиально-базисной сети. Архитектурная и адаптивная динамика.
дипломная работа, добавлен 02.09.2018Характеристика 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 12.06.2015Интерпретация выходных сигналов искусственных нейронных сетей при применении нелинейной нормализации, вычисляемой с помощью часто применяемых на практике эвристик. Исследование принципов организации и функционирования биологических нейронных сетей.
статья, добавлен 31.08.2018Суть схемы формирования психофизического состояния оператора АРМ. Разработка автоматизированной системы, использующей для диагностики состояния оператора АРМ особенностей динамической биометрии. Нейронные сети для обработки данных клавиатурного почерка.
статья, добавлен 22.08.2020Этапы становления и развития нейронных сетей. Головной мозг, нейронные сети и компьютеры. Программные и аппаратные реализации, построенные по принципу организации и функционирования биологических нейронных сетей. Способы распознавания образов предметов.
реферат, добавлен 17.05.2013- 31. 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 Современные методы контроля состояния СДО (сложных динамических объектов). Оценка применимости методов интеллектуального анализа данных для контроля состояния СДО. Разработка модели сигналов и базовых алгоритмов анализа эталонных и поступающих сигналов.
автореферат, добавлен 31.07.2018- 33. Нейронные сети
История искусственных нейронных сетей. Модель формального нейрона Питтса и персептрон Розенблатта. Синапс как элементарная структура и функциональный узел между двумя нейронами. Примеры наиболее часто используемых преобразовательных функций Хопфилда.
презентация, добавлен 25.06.2013 - 34. Нейрокомпьютеры
Понятие и принцип работы нейронных сетей. Типы нейронов и их функциональные особенности: биологические и искусственные. Базовые архитектуры нейронных сетей, их структура и элементы. Этапы программирования средств аппаратной поддержки нейровычислений.
контрольная работа, добавлен 14.10.2013 Методические рекомендации по организации практической работы по реализации компьютерной модели персептрона на языке программирования Python, направленной на закрепление учебного материала по применению однослойных нейронных сетей в распознавании образов.
статья, добавлен 14.02.2022Изучение 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 29.04.2017- 37. Применение нейронных сетей для построения модели прогнозирования состояния городской воздушной среды
Характеристика процессов распространения загрязняющих веществ в атмосфере. Описание нейросетевых моделей прогнозирования и определение их эффективности. Пример построения структуры нейронной сети для прогнозирования распределения диоксида азота.
статья, добавлен 29.05.2017 Анализ применения нейронных сетей для моделирования социальных или биологических систем с помощью программного пакета моделирования. Диагностический анализ изучения алгоритмов обучения нейронных сетей. Формулы для обучения методом наискорейшего спуска.
презентация, добавлен 03.12.2013Аппаратная и программная реализация нейронных сетей. Создание улучшенного подхода валидации точности алгоритмов глубокого обучения для применения на ИИ-ускорителях. Разработка гибкого и расширяемого инструмента для инференса искусственных нейронных сетей.
дипломная работа, добавлен 28.10.2019- 40. 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 Применение математического и численного моделирования в нейробиологии. Оптимизация параметров биологически обоснованной модели нейрона методом генетического алгоритма. Основные преимущества элитарного отбора без сходимости решения в локальных оптимумах.
дипломная работа, добавлен 08.02.2013Основы 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 09.09.2012Определение 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.
статья, добавлен 29.05.2017Рассмотрено 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 02.04.2019Свойства и структура нейронных сетей, их применение в сфере компьютерных технологий. Поиск путей увеличения скорости протекания процесса обучения. Анализ зависимость ошибки обучения от сложности структуры персептрона и количества нейронов в скрытом слое.
статья, добавлен 03.02.2021Анализ 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 01.03.2017Анализ сущности нейронных сетей, их особенности способности к обучению (настройки архитектуры и синаптических связей). Перспективы развития применения и использования искусственных нейронных сетей. Основные достоинства нейронных сетей перед традиционными.
статья, добавлен 29.07.2018Задачи нейрокибернетики - науки, изучающей закономерности организации и функционирования нейронных образований (нейронов). Анализ устройства нейронных систем, ориентированный на программно-аппаратное моделирование структур, аналогичных структуре мозга.
статья, добавлен 01.03.2019Общее 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 12.05.2015Аналитический 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 14.12.2019